La visión artificial aplicada a las obras de arte: una nueva mirada

694
Pilar Rosado
Imagen con descriptores SIFT

Imagen con descriptores SIFT (Scale Invariant Feature Transform, Lowe, 2001) de Pilar Rosado.

Hemos invitado a la Dra. Pilar Rosado a compartir los aspectos más destacados de su investigación sobre la visión artificial aplicada al arte, materia de su tesis doctoral. Es un artículo de una especialización fuera de lo habitual en blogs, pero explicado de una forma sencilla y con unas imágenes muy esclarecedoras, creemos que resulta de alto interés por las posibilidades de nuevas conexiones visuales entre obras de arte.

Las técnicas de visión artificial ponen a nuestro alcance nuevas posibilidades de aproximación a las colecciones de las instituciones artísticas. Presentamos aquí ese punto de vista alternativo que puede servir para incentivar tanto el interés del público como de los estudiosos.

Utilizando modelos de visión artificial que emulan a los estadios iniciales de la percepción visual humana, hemos podido categorizar grandes conjuntos de imágenes de obra abstracta, en concreto del artista Antoni Tàpies. Las imágenes han sido analizadas en base a sus características compositivas, cromáticas y organizativas, sin necesidad de realizar ninguna anotación textual sobre éstas, para que las analogías encontradas nos acerquen a los valores originales del creador y los hagan más comprensibles.

El todo es más que la suma de las partes

Los artistas son generadores especialistas de imágenes, en su proceso creativo las producen constantemente. En las colecciones de imágenes de artistas hay unos lazos de unión, de parentescos formales, que hacen que constituyan una familia de significado común.

Reservas del MUSAC

Reservas del MUSAC. Koré Escobar muestra la obra de Daniel Verbis. Foto: Jesús F. Salvadores, Diario de León

La ordenación y categorización de una gran colección de imágenes nos da una inestimable visión global del conjunto. En el terreno de la creación artística y su enseñanza, constituye una práctica muy habitual colocar grupos de imágenes fotográficas, esculturas o pinturas, unas junto a otras. Resulta sorprendente observar como los objetos visuales dialogan entre sí, unas veces en armonía y otras contradiciéndose. Así el artista, el profesor o el estudiante de arte tienen a su alcance una información que, tratando los mismos objetos de forma aislada, sería inaccesible. Este aspecto es especialmente valioso cuando se trata de estudiar imágenes de contenido abstracto, ya que en ellas el tema, el significado o el sentido no es producto de un acuerdo social, sino que se trata de resonancias visuales y sincronías que el artista creador relaciona y vincula.

Nuevas tecnologías: algoritmos de visión por computador

Las nuevas tecnologías permiten la digitalización de estos contenidos y favorecen el rápido acceso a su visualización. Pero para buscar relaciones genuinas entre imágenes, de contenido visual propio, son necesarias herramientas de búsqueda sofisticadas, que no requieran anotación textual, dado que ese mismo escrito condicionaría las relaciones que la imagen podría establecer a posteriori. A este trabajo se dedica un subcampo de la inteligencia artificial, la visión por computador.

Del píxel a las resonancias visuales

¿De qué forma podemos extrapolar información sobre las características globales de una imagen, partiendo únicamente de unos píxeles concretos?

En 1997, el neurobiólogo Tanaka publica sus conclusiones sobre los mecanismos neuronales del reconocimiento de objetos en primates y en 2001, el experto en visión artificial Lowe, en base a esa información, describe un sistema de visión por computador basado en descriptores como escala, translación, rotación, iluminación y los denomina descriptores SIFT (Scale Invariant Feature Transform). Encuentra la mejor solución de compromiso entre rendimiento y rapidez usando una cuadrícula de muestreo de gradientes de 16 x 16 píxeles. Cada una de estas pequeñas regiones resumiría la información de la región circundante de la imagen.

Así, podríamos decir que el algoritmo informático, mediante este modelo, “recorta” todas las imágenes de la colección en pequeños fragmentos de 16 x 16 píxeles y los agrupa en función de las distancias matemáticas entre sus descriptores SIFT. A cada uno de estos grupos que se establecen los denominamos “palabra visual” y el total conforma el “vocabulario visual” de la colección.

Foto2 Foto3

Con esta información, el sistema es capaz de determinar que se producen concurrencias de estas “palabras visuales” en determinadas imágenes. Por ejemplo, si se tratase de retratos, concurren en ellos dos ojos, nariz, boca y frente. El sistema agrupará todas las imágenes con rostros en la categoría “retrato”, y esta categoría constituiría lo que llamamos “aspecto latente”.

Foto4

La visión artificial aplicada a la obra de Antoni Tàpies

La Fundació Antoni Tàpies de Barcelona nos ha facilitado amablemente el acceso a su colección para realizar el presente estudio.

Hemos aplicado modelos de visión artificial sobre un conjunto de 434 imágenes de obras del artista de diferentes épocas y realizadas con múltiples técnicas sobre varios soportes –grabados, acuarelas, dibujos, pinturas y collages.

Pasamos a mostrar y describir brevemente algunos de los aspectos latentes detectados por el algoritmo, sin ninguna intervención manual.

Aspecto latente 1: Presenta gran cantidad de espacio vacío, mesurado, con varios motivos muy estudiados, situados en posición más o menos central o equilibrada.

Aspecte latent 1

1. Llull-Tàpies, 1985. © Comissió Tàpies, VEGAP. De la fotografia: © Lluís Bover, 2016 2. Cartes per a la Teresa, 1974. © Comissió Tàpies, VEGAP. De la fotografia: © Lluís Bover, 2016 3. Terra d’ombra I, 1998. © Fundació Antoni Tàpies, Barcelona / VEGAP. De la fotografia: © Gasull Fotografia, 2016

Aspecto latente 2: Contiene obras ejecutadas con un trazo vigoroso de color oscuro sobre fondo más claro.

aspecte latent 2

1. Dans la double dépendance du dit, 1984. 2. A. Tàpies. Catàleg. Sala Gaspar, Barcelona, 1969. 3. Air, 1971. © Comissió Tàpies, VEGAP. De les fotografies: © Lluís Bover, 2016

Aspecto latent 3: Agrupa obras que presentan una distribución dispersa de zonas claras de tinta más plana, aunque no totalmente lisa, con zonas más grisáceas en las que la pincelada no es totalmente densa (trazo texturizado).

Aspecte latent 3

1. Intérieur avec figures, 1987. 2. L’estació, 1984. 3. Ce que je vous dis trois fois est vrai, 1982. © Comissió Tàpies, VEGAP. De les fotografies: © Lluís Bover, 2016

Aspecto latente 4: Aglutina obras que presentan una superficie punteada o en la que la pintura parece haber sido vaporizada, en general, textura granulada.

Aspecte latent 4

1, 3 i 4. Tres aiguaforts, 1943. © Comissió Tàpies, VEGAP. De la fotografia: © Lluís Bover, 2016. 2. Origen. Sèrie Història Natural, 1950-1951. © Fundació Antoni Tàpies, Barcelona / VEGAP. De la fotografia: © Gasull Fotografia, 2016

Aspecto latente 5: Está formado por obras con pocos trazos amplios y gestuales. Son pinceladas oscuras sobre fondo más claro. Tendencia a que el motivo principal se sitúe en el centro y alcance toda la imagen.

Aspecte latent 5

1. Sèrie negre número XIV, 1967. © Fundació Antoni Tàpies, Barcelona / VEGAP. De la fotografia: © Gasull Fotografia, 2016. 2. Sèrie negre número III, 1967. © Fundació Antoni Tàpies, Barcelona / VEGAP. De la fotografia: © Gasull Fotografia, 2016. 3. Équation, 1987. © Comissió Tàpies, VEGAP. De la fotografia: © Lluís Bover, 2016

Aspecto latente 6: Presenta imágenes de atmósfera difusa con un tratamiento vaporoso y difuminado.

Aspecte latent 6

1. Esbós, 1958. © Fundació Antoni Tàpies, Barcelona / VEGAP. De la fotografia: © Gasull Fotografia, 2016. 2. Llull-Tàpies, 1985. © Comissió Tàpies, VEGAP. De la fotografia: © Lluís Bover, 2016. 3. Dibuix, 1948. © Fundació Antoni Tàpies, Barcelona / VEGAP. De la fotografia: © Gasull Fotografia, 2016

El sistema aprende

Un beneficio añadido a la ordenación de la propia colección es que, una vez establecidos los aspectos latentes como categorías, el sistema “aprende”, este modelo permitiría de manera automática clasificar imágenes de otras colecciones, siguiendo los criterios estéticos de las categorías encontradas

Es imposible realizar este tipo de estudios sobre grandes colecciones de otra forma, por las evidentes limitaciones de accesibilidad a las obras y de capacidad humana de análisis. Y, aunque toda categorización es por definición subjetiva al estar sustentada en un criterio determinado, la tecnología digital nos ofrece esta forma de aproximarnos a una información que, de otra manera, quedaría imposibilitada por la magnitud de contenido visual almacenado.

El sistema que hemos descrito permitiría los estudios sobre diferentes períodos del mismo artista, o sobre colecciones de diferentes artistas o épocas, con los mismos criterios. De esa manera, los resultados obtenidos se podrían comparar, sin riesgo de caer en interpretaciones subjetivas condicionadas por las preferencias o conocimientos previos. Y una herramienta de consulta de este tipo, puesta al alcance del público del museo, le permitiría establecer sus propios criterios estéticos de selección.

Agradecimientos
Agradecemos la amabilidad del archivo de la Fundació Antoni Tàpies de Barcelona y de la Comisión Tàpies que nos han facilitado el acceso a la colección de obra gráfica, pinturas y libros de artista de Antoni Tàpies, y especialmente a sus directores, Laurence Rassel i Carles Guerra, por su disposición a facilitar nuestra investigación.

Enlaces recomendados

Formas latentes: protocolos de visión artificial para la detección de analogías aplicados a la catalogación y creación artística. Tesi doctoral, Pilar Rosado

La imagen toma la palabra: construcción de un vocabulario visual, Congresos de la Universitat Politècnica de València

Semantic-Based Image Analysis with the Goal of Assisting Artistic Creation.

Intersecciones entre visión artificial y mirada artística, Universitat de Barcelona

Pilar Rosado
Investigadora del grupo BRAC de la Universitat de Barcelona

Está totalmente prohibida cualquier forma de reproducción, distribución, comunicación pública o transformación total o parcial de las imágenes sin el permiso escrito de los titulares de explotación.

Z_ Guest blogger

Un comentario

  • Laura
    15 de mayo de 2017 - 9:16 am | Enlace permanente

    El análisis de la imagen es uno de los avances más ventajosos que ha habido para las obras de arte. A mí me fascina el frame grabber, unas placas de captura que incluyen componentes imprescindibles para las aplicaciones de visión artificial. Estuve investigando sobre su funcionamiento y creo que son muy importantes para poder realizar un buen análisis de las obras de arte. ¡Saludos!

  • Deja un comentario

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    CAPTCHA * Time limit is exhausted. Please reload the CAPTCHA.