/Neuronales Netzwerk gegen Kunstfälschungen

Neuronales Netzwerk gegen Kunstfälschungen

Neuronales Netzwerk wird zum Picasso-Experten

Eine gefälschte “Mona Lisa” könnte das Rutgers-System noch nicht erkennen.

Amerikanische und niederländische Forscher haben ein so genanntes tiefes Recurrent Neural Network aufgebaut, das Kunstfälschungen erkennen soll. Bei Strichzeichnungen gibt es bereits Fortschritte.

Gefälschte Kunst ist seit Jahrhunderten ein Problem. Wissenschaftler der Rutgers University in den USA wollen nun in Zusammenarbeit mit Kunstexperten vom Atelier for Restoration & Research of Paintings in den Niederlanden eine Software schaffen, die echte Werke von manipulierten unterscheiden können soll, berichtet Technology Review in seiner Online-Ausgabe (“KI erkennt gefälschte Kunst”). Bislang kann das System, das neben maschinellem Lernen auch ein tiefes Recurrent Neural Network (RNN) verwendet, nur Strichzeichnungen untersuchen.

In der Trainingsphase wurden fast 300 Werke von Picasso, Matisse, Modigliani und anderen berühmten Künstlern auf 80.000 individuelle Striche heruntergebrochen. Anschließend wurde das RNN eingesetzt, das lernte, welche Eigenschaften der Striche wichtig sind, um einen Künstler zu identifizieren.

Parallel dazu trainierte das Team einen Algorithmus aus dem Bereich des maschinellen Lernens (ML) auf bestimmte Bildbereiche, etwa die Linienform eines Striches. Dies ergab zwei verschiedene Techniken, um Fälschungen zu erkennen, und die Kombinationsmethode erwies sich als äußerst mächtig. Der Output des ML-Algorithmus half auch dabei, das RNN besser zu verstehen – es arbeitet als “Black Box”, die von den Wissenschaftlern nicht einfach zu erklären ist.

Aktuell lässt sich das System nur nutzen, wenn Linien in einer Zeichnung sichtbar sind, für Malereien, bei denen die einzelnen Pinselstriche verschwimmen, ist sie bislang noch nicht nutzbar. Um ihre Ergebnisse weiter zu validieren, planen Elgammal und Co. nun aber den Einsatz der Methode bei impressionistischen Bildern und anderen Werken aus dem 19. Jahrhundert, in denen einzelne Striche zu identifizieren sind.

Mehr dazu bei Technology Review Online:

(bsc)