페인트 붓털 하나까지 정밀하게 스타일 차이를 알아내는 새로 개발된 AI 도구의 개발로 위조를 발견하는 것이 조금 더 쉬워졌습니다. 케이스 웨스턴 리저브 대학교(CWRU) 팀의 연구는 회화의 3D 지형에 따라 화가를 학습하고 식별하기 위한 컨볼루션 신경망을 훈련시켰습니다. 이 작업은 역사가와 미술 전문가들이 협업 작품에서 예술가를 구별하고, 위조된 작품을 찾을 수 있도록 도와줄 것입니다.
고화를 감정하는 방법에는 몇 가지 방법이 있습니다. 전문가들은 재료의 유형과 상태를 평가하고 현미경 분석, 적외선 스펙트럼, 반사 사진술과 같은 과학적 방법을 사용합니다.
하지만 이런 철저한 방법은 시간이 많이 걸리고 오류를 초래할 수 있습니다. 그리고 한 예술품의 여러 화가를 식별할 수 없습니다. 이 연구에 따르면 엘 그레코와 램브란트 같은 화가들은 다른 예술가들을 고용하여 화포의 부분부분을 그리게하여 한 화포에서 개인의 공헌이 명확하지 않습니다.
머신러닝으로 예술작품을 분석하는 것은 비교적 새로운 분야지만, 최근 연구는 AI 방식과 고해상도 회화 이미지를 결합해 화가의 스타일을 학습하고 화가를 식별하는 데 주력하고 있습니다. 연구원들은 3D 분석이 그림보다 더 많은 데이터를 담을 수 있고, 붓놀림 패턴과 같은 특징과 페인트 퇴적, 건조 방법이 예술가 고유의 지문으로 활용될 수 있다고 가정했습니다.
CWRU의 Ambrose Swasey 물리학 선임 교수인 Kenneth Singer는 언론에서 “3D 지형은 AI가 그림을 ‘보는’ 새로운 방식입니다,”라고 설명했습니다.
광학 프로파일러로 표면에서 지형 데이터를 추출하면서, 연구원들은 동일한 재료로 그려졌지만 네 명의 다른 화가가 그린 작품 12점을 스캔했습니다. 광학 프로파일러는 약 5~15mm 크기의 작은 사각 패치를 샘플링하여 표면의 미세한 변화를 감지하고 기록하는데, 이는 누군가가 어떻게 붓을 잡고 사용하는 지에 기인합니다.
그런 다음 연구원들은 작은 얼룩에서 패턴을 찾기 위해 컨볼루션 신경망의 앙상블을 훈련시켜 화가 각각에 대해 160~1,440개의 얼룩을 채취했습니다. 그리고 이 알고리즘을 cuDNN 가속 딥 러닝 프레임워크가 있는 NVIDIA GPU를 사용하여 샘플을 한명의 화가에 다시 일치시킵니다.
연구팀은 한 화가의 유화 180점을 알고리즘 테스트했는데, 정확도는 약 95% 정확도에 달했습니다.
공동 저자인 Michael Hinczewski, CWRU의 물리학 부교수 Warren E. Rupp에 따르면 이러한 작은 훈련 세트로 작업할 수 있는 능력은 제한된 훈련 데이터 세트를 가진 이후의 예술 역사 적용에 유망하다고 밝혔습니다.
Hinczewski는 “인공지능을 예술에 사용하는 다른 연구들은 대부분 그림 전체의 사진에 초점을 맞추고 있습니다,” 라고 말했습니다. “우리는 이 그림을 0.5 밀리미터에서 몇 센티미터의 정사각형에 이르는 가상의 조각들로 나누었습니다. 따라서 주제에 대한 정보는 없지만 개별 조각에서 누가 그 그림을 그렸는지 정확하게 예측할 수 있습니다. 정말 놀랍습니다.”
연구자들은 연구 결과를 바탕으로 표면 형태를 편향되지 않은 정량적 분석을 사용하여 귀인 및 위조 탐지를 위한 추가 도구로 이해합니다. 마드리드에 본부를 둔 예술 보존 회사 Factum Arte와 협력하여, 팀은 스페인 르네상스 화가 엘 그레코의 몇몇 작품에 대한 예술가 워크샵 속성과 보존 연구를 진행하고 있습니다.
연구 관련 데이터와 코드는 GitHub에서 확인할 수 있습니다. 이 작업은 CWRU 미술사·미술부, 클리블랜드 예술대학, 클리블랜드 미술관의 연구원들의 공동작업입니다.
발표된 《과학의 유산》 연구 보고서 읽기.>>
보도자료 읽기.>>
