“Stary gitarzysta” jest prawdopodobnie najsłynniejszym obrazem z tego czasu. Pochodzi z lat 1903-1904, kiedy młody artysta żył w biedzie w Paryżu (wersja z płótnem z odzysku wydaje się więc mieć uzasadnienie). To, że pod końcową wersją obrazu jest coś jeszcze wiadomo było od pewnego czasu. Obraz należy obecnie do The Art Institute of Chicago. Instytut przeprowadził wiele prac konserwatorskich i analiz obrazu z wykorzystaniem podczerwieni i promieni rentgenowskich. Wyszło wówczas na jaw, że pod końcowym dziełem znajduje się przedstawienie nagiej, karmiącej dziecko kobiety. Nie trzeba zresztą rentgena w oczach, by zauważyć, że coś pod wierzchnią warstwą farby tkwi:
Jak jednak wyglądał pierwotny malunek? Z tym problemem uporali się Anthony Bourached i George Cann z University College London. Użyli nowatorskiej techniki neural style transfer, którą przedstawił w 2015 r. Leon Gatys z zespołem z Uniwersytetu Tubingen w Niemczech. Jak czytamy we wstępie do artykułu Leona Gatysa opublikowanego w 2015 r. pt. “A Neural Algorithm of Artistic Style” technika ta oparta na sieci Deep Neural Network wykorzystuje reprezentacje neuronowe do oddzielania i rekombinacji treści i stylu dowolnych obrazów, zapewniając algorytm neuronowy do tworzenia obrazów artystycznych. Brzmi bardzo mądrze, ale jak działa? W skrócie – oprogramowanie analizuje konkretne dane wizualne, to jak namalowane zostały w innych dziełach kontury, jak gruba jest warstwa farby, czy linie są gładkie czy raczej poszarpane itd. zbierając w ten sposób informacje o wyjątkowych dla każdego artysty cechach. Następnie system został wypełniony obrazami z błękitnego okresu Picassa. Potem SI dostała do porównania wyniki analizy rentgentowskiej i podczerwieni “Starego gitarzysty”. W efekcie powstał pełnowymiarowy błękitny obraz przedstawiający kobietę:
Oczywiście nie wiadomo, czy dokładnie tak wyglądała praca Pabla Picassa. Jeśli jednak jest to wersja bardzo zbliżona do oryginału, to chyba mistrz miał rację zamalowując.
WARTO PRZECZYTAĆ: