Om ansigter:Portrætkunstværkets geometriske stil

Et team af dataloger ved det tværfaglige center i Israel har udviklet en innovativ metode til automatisk at analysere kunstneriske portrætter, fanger et højt detaljeringsniveau og nøjagtighed af portrætterne samt kunstnernes individuelle stil. Fokuseret på at udtænke en beregningsmetode til at opdage ansigtstræk i kunstværker, eller ansigtets vartegn, såsom øjenkroge eller mundvige, forskerne har med succes udvidet arbejdet med fotografier af naturlige ansigtsbilleder til det kunstneriske portrætfelt.

"Fordi der ikke er nogen træningsdata for portrætmalerier, der indeholder vartegn for ansigtet, vores centrale idé var at skabe sådanne data ved hjælp af det, vi kalder 'kunstnerisk forstærkning, '" siger professor Ariel Shamir, hovedforfatter af undersøgelsen og dekan for Efi Arazi School of Computer Science ved Interdisciplinary Center Herzliya. "Vi transformerer fotografiske ansigtsdata til at være mere lig kunstneriske portrætter og bruger dem til at træne nye modeller til neurale netværk, der fungerer bedre til kunstneriske input. Ved at bruge vores modeller, vi fik ikke kun bedre præcision på portrætter, men vi mistede heller ikke meget nøjagtighed på naturlige ansigter."

Shamir, sammen med sine elever Jordan Yaniv og Yael Newman, skal præsentere deres arbejde på SIGGRAPH 2019, afholdt 28. juli-1. august i Los Angeles. Denne årlige samling viser verdens førende fagfolk, akademikere, og kreative sind på forkant med computergrafik og interaktive teknikker.

Landmark Points guide stilen

De vigtigste forskelle mellem kunstneriske portrætter og naturlige ansigtsbilleder er todelt:teksturudseendeforskelle og geometriske forskelle. Tidligere arbejde inden for dette forskningsområde fokuserede primært på at fange kunstens udseende, og ikke den geometriske stil. Med kunstneriske portrætter, geometrisk stil er bydende nødvendigt, bemærk forfatterne til undersøgelsen, men udfordrende at fange, da hver kunstner har deres egen kreative, særskilt stil.

"For eksempel, den italienske maler Clemente Modigliani er kendt for at male aflange ansigter, og den amerikanske maler Margaret Keane er kendt for at male ansigter med meget store, overdrevne øjne, " siger Shamir. "Vores arbejde gør det muligt for computere og algoritmer at afsløre denne information og genkende dette aspekt af geometrisk stil i portrætmalerier."

For at fange geometriske stilarter i portrætter, der er behov for at genkende ansigtstrækkene og ansigtets struktur i maleriet. Til denne ende, forskernes metode koncentrerer sig om at opdage ansigtstræk i kunstværket, ved hjælp af skelsættende punkter i ansigtet. Afhængigt af kunstnerens stil, disse funktioner kan være forskellige i form og overdrevne, ikke ligner rigtige menneskeansigter. For at overkomme denne udfordring, de anvender en kendt metode kaldet "augmentation" af naturlige ansigtsbilleder, transformere fotografier af naturlige ansigtsbilleder til at ligne mere "kunstneriske" portrætter, og træne neurale netværk til at opdage skelsættende punkter.

Forskerne evaluerede deres skelsættende detektionsmetode ved at skabe et datasæt af kunstneriske ansigter indeholdende 160 kunstneriske portrætter af 16 forskellige kunstnere af forskellige genrer og stilarter, med store variationer i både geometri og tekstur. I avisen, der beskriver deres arbejde, de demonstrerer også adskillige anvendelser til kunstnerisk ansigtsgenkendelse og geometrisk stilanalyse. Disse omfatter forståelse af specifikke kunstneres stil, sammenligne stilarter af forskellige kunstnere, og følge mulige tendenser i kunstneriske stilarter. En anden populær applikation er stil-overførsel:hvor man kan transformere et givet inputbillede af et ansigt til et maleri i stil med en given kunstner i både tekstur og geometri.

I det fremtidige arbejde, teamet håber at bruge den geometriske stilsignatur til at bygge klassificeringsprogrammer, der kan genkende en specifik kunstner og udvide definitionen af ​​geometrisk stil ud over ansigter - en aktuel udfordring inden for computergrafik og kunst.