Источник: Raiders of the lost Art
В 1902 году Пабло Пикассо нарисовал картину, которую позже перекрыл своей известной работой «Старый гитарист». Второй, скрытый под «Гитаристом» слой, обнаружили в США больше ста лет спустя — в 1998 году. Тогда специалисты Чикагского университета сфотографировали полотно Пикассо в инфракрасном диапазоне и сделали рентгенографию. Оказалось, что под первым слоем краски изображена женщина.
Фото перекрытой картины оказалось достаточно чётким, чтобы понять, что на нём изображено, но при этом оно было чёрно-белым. Энтони Бурашед из Университетского колледжа в Лондоне и Джордж Канн из коллектива Oxia Plus создали алгоритм, который «раскрасил» картину в стиле Пикассо.
Как объяснили разработчики в своём докладе Raiders of the lost Art, нейросеть распознает слои и формы на изображениях, которые затем сопоставляются с картинами того или иного художника, чтобы точно определить период времени, когда полотно было нарисовано, и завершить его в соответствии с этим периодом.
«Мы представляем новый метод восстановления утраченных произведений искусства. Мы применяем нейросеть к рентгенограммам картин. В качестве содержимого использовали изображение полотна «Старый гитарист», а картину «Жизнь» — в качестве образца стиля художника», — поясняют авторы.
«Жизнь» выбрали как образец стиля художника для нейронной сети, так как эта картина была создана до 1904 года — то есть примерно тогда, когда была нарисована спрятанная под «Старым гитаристом» женщина.
Также нейросеть восстановила работу, оказавшуюся под «Нищенкой, сидящей на корточках», которую Пикассо написал в 1902 году. Знатоки искусства и исследователи предполагают, что эта картина была нанесена поверх чужого произведения.
Как пишут Бурашед и Канн, скорее всего, перекрытое полотно принадлежит кисти Сантьяго Рузинолу. Нейросети предоставили для копирования стиля его картину «Сад с террасой на Майорке».
Разработчики, тем не менее, уточняют, что обработанное нейросетью изображение может быть не таким, какое скрыто под «Старым гитаристом»: нейросеть может не совсем точно «угадать» стиль художника.
«Мы верим, что использование машинного обучения в качестве художественного инструмента может в конечном итоге расширить творческое понимание и повысить изобретательность в сотрудничестве человека и искусственного интеллекта», — заключают разработчики.
