Detección Digital de Falsificaciones en el Arte

La determinación de la autenticidad de una pintura puede convertirse en un reto realmente desafiante. Por lo general, los expertos en arte toman decisiones una vez que han considerado a fondo y con detalle diferentes tipos de evidencias. Por ejemplo, el intercambio de correspondencia en la vida del artista y los documentos que rastrean la historia de propiedad de la pintura proporcionan datos muy importantes. Los análisis técnicos de los pigmentos y otros materiales utilizados, además del método de su preparación, el estudio del proceso creativo que se documenta en las capas inferiores de la pintura (observada a través de rayos e imágenes infrarrojas) y los aspectos visuales sobre la apariencia y el estilo de la obra, son siempre comparados con los de las otras obras del artista. Sin embargo, incluso estos análisis combinados pueden no ser concluyentes, lo que deja a los expertos en arte a la búsqueda de más rasgos evidenciales que puedan ser utilizados para certificar la autenticidad o no de la obra.

All day every day

Recientemente, han aparecido algunas herramientas digitales para el análisis de imágenes que pueden proporcionar una fuente adicional de datos útiles para el análisis de las pinturas cuestionadas. Estos análisis digitales están relacionados con estudios sobre las características morfológicas de la pincelada del artista como ,por ejemplo, los movimientos físicos habituales de la mano (tomando como referencia su firma), que pueden definirse mediante el uso de patrones digitales y utilizarse como evidencia adicional a la hora de determinar la autenticidad. De hecho, los primeros intentos en este área informática ya han tenido un éxito considerable.

Inspiration.de

En el primer y el segundo taller internacional sobre procesamiento de imágenes para identificación de artistas (IP4AI) se invitó a grupos de investigación para que compararan sus métodos (sobre un conjunto de datos comunes), consistentes en hacer escaneo de alta resolución de las pinturas de Vincent van Gogh y sus contemporáneos. El método de cada grupo también fue exitoso al descubrir una copia sobre cinco originales en un desafío que fue propuesto por un programa de  la cadena de televisión estadounidense NOVA ScienceNOW.

La caracterización de las pinturas de artistas particulares a través de herramientas computarizadas se ha enfocado hasta ahora en las estadísticas de los coeficientes ondulatorios del color de las pinturas. Por ejemplo, Lyu, Rockmore y Farid descubrieron que los dibujos originales de Brueghel se pueden distinguir de las falsificaciones utilizando una variedad de estadísticas que parten de los “coeficientes de onda de color”. Este enfoque se extendió aún más a raíz del estudio de las caras de una pintura de Perugino que se pensaba que estaba pintada por varios autores diferentes; las tres caras que se agruparon en este análisis coincidieron con las tres que los expertos en arte pensaban que estaban pintadas por la misma mano. Al mismo tiempo, Berezhnoy y Postma encontraron métodos para desarrollar el análisis de color y textura con el uso de colores complementarios de VG, especificando la distribución espacial de las pinceladas en diferentes direcciones mediante un filtrado circular. Li y Wang utilizaron datos sobre la textura obtenidos al programar un Modelo Hidden Markov 2D sobre coeficientes de ondas locales, combinados con otros que se habían extraído de la detección y segmentación de las pinceladas individuales de las imágenes, como la longitud y la curvatura promedio de las pinceladas individuales.

Michael Wolf

No vamos a entrar en más detalles tecnológicos que os puedan aburrir. La tecnología avanzada de escaneado y análisis digital es ya insustituible para el análisis de las pinturas, sobre todo porque se puede realizar sin estar el original presente. Estos análisis en línea distinguen las características verdaderas y típicamente personales, o no, del estilo de cada artista, por lo que lo interpretamos como un análisis estilístico de las pinturas. La informática también permite analizar la cantidad total de detalles de alta frecuencia en una pintura para poder distinguirla de posibles copias, falsificaciones y otras obras más vacilantes, independientemente del estilo del artista (son estudios sobre detalles de escala más imperceptibles al ojo humano). Los expertos pueden llevar a cabo estos análisis a partir de los rasgos característicos de la fluidez de la mano del artista en cada pintura. En cualquier caso, la calidad del escáner que se utilice para la digitalización de las pinturas será clave.

Chase Kunz

Las variaciones en la calidad del proceso de digitalización para diferentes pinturas deben ser consideradas en estos procesos. Para determinar la autenticidad se necesita generar un conjunto de datos que se obtienen del escaneo del registro fotográfico de los archivos de los museos (normalmente lo mínimo deseable son diapositivas Ektachrome de 8×10″) de cada pintura. Por razones prácticas, éstas son las fotografías de más alta calidad a las que podremos acceder, ya que las pinturas se exhiben para el público o se guardan de forma segura añadiendo una copia virtual a los archivos normalmente en ese formato, como decíamos. No podremos aspirar a más ya que supondría un gasto añadido y una gran inconveniencia para el museo que se solicitara hacer nuevas fotografías en alta definición de las pinturas que exponen y almacenan. Lo que nos lleva a mencionar que, incluso en condiciones uniformes de escaneo, el nivel de detalle (visualmente no muy notable), así como el conjunto de datos, varía de una pintura a otra, presumiblemente debido a las variaciones a partir de la antigüedad y la calidad de los ektachromes que haya realizado el museo.

National Geographic

Sorprendentemente, esta falta de definición se había relacionado con la autenticidad. Actualmente se calcula un “índice de desenfoque” para cada pintura, resultando un número que refleja el grado de nitidez (visualmente imperceptible) de cada imagen, para construir lo que se denomina “esquema de detección”. Este esquema se basa en tres niveles de nitidez en un área cuadrada de pintura. El índice de nitidez se calcula sobre tres coeficientes de difuminado, uno para cada uno de los canales R (red), G (green) y B (blue), según sus mapas de color. Para validar el uso de este índice en el conjunto de datos de cada pintura, se prueba primero sobre imágenes desenfocadas artificialmente con filtros de movimiento gaussianos o personalizados, para varios niveles diferentes en la extensión del desenfoque, que resultan imperceptibles a simple vista. El algoritmo que se obtiene del índice de desenfoque sirve de referencia para ajustar correctamente el nivel de nitidez.

 Top China Travel

La autentificación de pinturas puede ser un trabajo muy difícil, incluso para expertos en arte con años de experiencia. Los datos cuantitativos obtenidos a través del análisis de imágenes digitales podrían ser de gran utilidad para identificar copias o falsificaciones. Las características de las pinturas que se convierten en información muy útil para la identificación de las falsificaciones, pueden ser detectadas mediante el uso de hardware y software desarrollados para tal efecto: los coeficientes ondulatorios de las pinturas y el análisis automático supervisado, con los parámetros personales del artista informatizados previamente (a partir de los escaneados de alta resolución – cuanta más resolución, mejor, obviamente -) son actualmente la base de los análisis para tratar de distinguir las copias de los originales, superando al ojo del experto. Que la informática sea capaz de hacer esa distinción es un hecho evidente. Se trata de un proceso que puede obtenerse a través del procesamiento digital de las distintas características de las obras a analizar. Sin embargo, y no podemos dejar de mencionarlo, es necesario avanzar aún más en el desarrollo de estos sistemas para comprobar si los métodos sistemáticos a los que nos referimos ofrecen realmente un 100% de acierto, al margen de la calidad de los escaneados disponibles. Según un cálculo alarmante realizado por Thomas Hoving, ex director del Museo Metropolitano de Arte, hasta el 40% de todas las obras en circulación del mundo son realmente falsificaciones; en los últimos años, se han filtrado un gran número de ellas en el mercado de arte local. Por ahora, el ojo del experto sigue siendo necesario.



RECURSO:

Güngor Polatkan, Sina Jafarpour, Andrei Brasoveanu, Shannon Hughes y Ingrid Daubechies (2010): Detection of forgery in paintings using supervised learning. Departments of Electrical Engineering, Computer Science, and Mathematics, Princeton University, Princeton, NJ (EE.UU.).

Fotografía principal: What to think


Si estás interesado en recibir nuestro newsletter, y/o la bibliografía y recursos asociados al artículo de hoy, rellena y envía el boletín adjunto, por favor. Si quieres recibir los artículos por correo electrónico completa el campo correspondiente en la página principal del blog.

Tus comentarios son muy importantes para nosotros

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.