Unsere Technologie
Unsere Technologie
Revolutionierung der Kunstauthentifizierung
Die Überprüfung von Kunstwerken ist ein kostspieliger, zeitintensiver und oft subjektiver Prozess. Traditionell wendet sich die Kunstgemeinschaft an Kunstexperten, die das Werk physisch untersuchen müssen und dann entscheiden, ob es vom vermuteten Künstler stammt. Was wäre, wenn Sie diesen Prozess effizienter gestalten und sicherstellen könnten, ohne Verschiebung der Kunstwerke, sodass die Authentifizierung dieser schnell, einfach und zuverlässig erfolgt?
Die Macht der KI
Art Recognition setzt maschinelles Lernen und Computer-Vision-Techniken ein, um die Echtheit von Kunstwerken zu bestimmen. Wir verwenden zwei Arten von künstlichen, neuronalen Netzen, um die Hauptmerkmale eines Künstlers zu erfassen: ein 'Convolutional Neural Network' (CNN) und einen Vision Transformer 'with Shifted Windows' (SWIN). Diese hochmodernen Architekturen wurden für unsere Aufgabe der Kunstklassifizierung angepasst, um Kunstwerke in die Kategorien "authentisch" und "nicht-authentisch" einzuteilen. Während CNNs traditionell in der Bildklassifizierung brillieren, sind Transformers eine moderne Architektur, die auch Anwendungen wie ChatGPT vorantreibt. Art Recognition hat bei der Anpassung von Vision Transformers für Kunstauthentifizierung..
Zusätzlich ist unsere hochmoderne KI-Technologie darauf ausgelegt, sich gegen adversarial attacks zu wehren, was bedeutet, dass sie digitale Fälschungen, die von einer generativen KI erstellt wurden, erkennen kann. Das resultiert aus der Einbeziehung sowohl echter Kunstwerke als auch von KI erzeugter Kopien in unsere Trainingsdatensätze. Unsere jüngste Studie hat bestätigt, dass die Integration von synthetischen Bildern, die von genAI erstellt wurden, die Genauigkeit unseres KI-Authentifizierungssystems verbessert.
Im Folgenden erfahren Sie, wie wir unseren Kunden in aller Welt hervorragende Ergebnisse
Datensammlung und Vorverarbeitung
Unsere interne Datenbank enthält eine umfangreiche Kollektion von Trainingsbildern von Kunstwerken, die von alten Meistern bis hin zu zeitgenössischen Werken reichen. Für jeden Künstler stellen wir einen hochwertigen Datensatz zusammen, der fotografische Reproduktionen von verifizierten authentischen Kunstwerken des jeweiligen Künstlers enthält. Um die Unterscheidungsfähigkeit des Algorithmus zu verbessern, integrieren wir zusätzlich einen Datensatz mit Kontrasten in das System.
Diese Sammlung enthält Fotografien von dokumentierten Fälschungen sowie Werken von Imitatoren, Anhängern, Ateliers und sogar digitalen Fälschungen im Stil des Künstlers, erstellt von einer generativen Künstlichen Intelligenz.
Zusätzlich erzeugen wir verschiedene Versionen jedes Bildes, indem wir deren Kontrast, Farbton und Helligkeitsstufen anpassen. Dies hilft der KI, Merkmale konsistent zu identifizieren und zu interpretieren, unabhängig von der spezifischen Kamera oder dem Gerät, mit dem die Fotografien aufgenommen wurden.
Trainieren der KI
Aus den Trainingsbildern erfasst die KI feine Details wie den Pinselstrich des Künstlers, Kanten, Formen, Farbvariationen, übergeordnete Kompositionselemente wie Motivwiederholungen, die Platzierung von Objekten und die Gesamtproportionen sowie andere Merkmale, die für den analysierten Künstler charakteristisch sind. Sobald der Lernprozess abgeschlossen ist, kann die KI diese Merkmale in neuen, zuvor ungesehenen Kunstwerken erkennen.
Um höchste Präzision zu erreichen, implementieren wir einen speziellen Prozess der Vorverarbeitung, der sowohl die gröberen Elemente des Gemäldes als auch die feineren Details erfasst. Während beim Training die vollständigen Bilder verwendet werden, um die übergeordneten Elemente zu erfassen, werden feinere Details aus kleinen Ausschnitten extrahiert, in die der Algorithmus hineinzoomen kann.
Zudem nutzen wir die Methode der Cross Validation. Hierbei segmentieren wir unsere Daten, trainieren unser Modell mit einem Großteil der Daten und bewerten dessen Effektivität anhand eines kleineren Daten-Segments. Indem wir diesen Vorgang mit variierenden Datensätzen wiederholen, sind wir in der Lage, das leistungsfähige Modell zu identifizieren. Dadurch können wir auch sicherstellen dass unser Modell konstant über verschiedene Teile des Datensatzes hinweg performt, was die Stabilität und Verlässlichkeit des Modells signifikant erhöht.
Prüfung der Zuverlässigkeit des Algorithmus
Der Erfolg des Trainings wird durch Key Metrics wie Präzision und Recall bewertet. Diese Metriken werden sorgfältig an einer Sammlung von Bildern ausgewertet, die aus der Trainingsphase ausgeschlossen wurden und die wir als "Testsatz" bezeichnen. Durch diese strenge Prüfung, wie genau die KI authentische Kunstwerke von nachgewiesenen Fälschungen unterscheidet, können wir unseren Kunden die Zuverlässigkeit unserer Methoden zur Kunstauthentifizierung versichern. Diese sorgfältige Prüfung verleiht der KI-Authentifizierung von Kunstwerken eine zusätzliche Ebene des Vertrauens.
Authentifizierung Ihrer Kunstwerke
Nach erfolgreichem Training vergleicht die KI die gelernten Merkmale mit denen, die auf dem Bild Ihres Kunstwerks erkannt wurden. Auf der Grundlage dieses Vergleichs gibt sie eine Wahrscheinlichkeit für die Echtheit Ihres Werks an. So erhalten Sie eine unvoreingenommene, datengestützte KI-Bewertung der Authentizität Ihres Werks.
