Os amantes da arte costumam dizer que uma pintura de Claude Monet parece calma e fluida, ou que O Grito, de Edvard Munch, parece caótico e ansioso, mas não conseguem explicar facilmente o porquê.
Um novo estudo desenvolveu uma forma de “mapear” o fluxo detalhado das pinceladas nas pinturas de formas invisíveis ao olho humano.
A pesquisa ajuda a revelar como os gestos físicos de um artista constroem efeitos de movimento, atmosfera e emoção na tela.
Publicado na revista Patterns, os pesquisadores usaram IA e análise de imagens para revelar a direção subjacente e o fluxo das pinceladas em pinturas em estilos muito diferentes.
O resultado foi uma série de sobreposições visuais coloridas que mostram a estrutura oculta das obras de arte de maneiras novas e impressionantes.
Fornece aos historiadores da arte, museus e educadores novas ferramentas para estudar e explicar a estrutura composicional das pinturas e para compreender melhor os diferentes estilos de manuseio da tinta.
Kathryn Brown, leitora de histórias de arte, mercados e patrimônio digital da Universidade de Loughborough e coautora do estudo, disse: “Este tipo de pesquisa interdisciplinar demonstra o potencial de uma colaboração estreita entre cientistas da computação e historiadores da arte.
“A criação de modelos de IA personalizados pode ajudar a abrir novas trajetórias na história da arte, enquanto questões nas humanidades também geram novos desafios computacionais.”
Para o artigo publicado pela equipe, os pesquisadores desenvolveram um processo computacional denominado agilizar a visualização que transforma pequenos detalhes locais na superfície pintada em linhas fluidas que revelam como um artista desenvolveu a superfície pintada através de gestos e movimentos.
Imagem: Linhas aerodinâmicas extraídas da série Haystacks de Claude Monet
Centro: pinturas originais em óleo sobre tela. Painéis circundantes: linhas aerodinâmicas coloridas sobre representações em tons de cinza das mesmas obras.
Em Monet Montes de feno Em pinturas, por exemplo, o fluxo das pinceladas mudava dependendo se a cena estava iluminada pelo sol, com neve ou na sombra, ajudando os pesquisadores a entender melhor como o uso físico do pincel pelo artista mudou para capturar condições atmosféricas específicas.
“As pinceladas são surpreendentemente difíceis de analisar porque são em camadas, irregulares e profundamente ligadas à cor, textura e composição.” disse James Wang, distinto professor de informática e sistemas inteligentes da Penn State e coautor do estudo. “A visão computacional nos dá uma maneira de tornar esses padrões sutis mais visíveis.
“Ao transformar a direção da pincelada em mapas visuais, podemos estudar como os artistas usaram o movimento do pincel para criar atmosfera, ritmo e emoção – sem substituir o julgamento histórico da arte que dá significado a esses padrões.”
Embora o projeto se concentrasse principalmente em pinturas impressionistas, os pesquisadores demonstraram que o mesmo método também poderia revelar estruturas direcionais ocultas em obras de arte de tradições artísticas muito diferentes.
O Dr. Brown acrescentou: “É um momento emocionante para a história da arte e para a ciência da computação. Através deste tipo de trabalho colaborativo, somos capazes de criar uma nova forma de escrever a história da arte que preserva a visão humana, ao mesmo tempo que nos fornece dados melhorados para uma análise visual mais próxima.”
Além do Prof Wang e do Dr. Brown, os colaboradores desta pesquisa incluíram Lizhen Zhu (que recentemente defendeu sua dissertação de doutorado na Penn State) e Chaewan Chun (atual candidato a doutorado na Penn State).
Imagem principal da LR: O Grito, Edvard Munch, 1893; Retrato de Madame Matisse. A Linha Verde, Henri Matisse, 1905; Malle Babbe, Frans Hals, 1633-1635
FIM
