Art Recognition은 스위스의 기술 기업으로, Artificial intelligence와 Machine learning을 통해 예술 작품의 감정 및 검증을 전문으로 한다. 2019년에 설립된 이 회사는 고해상도 그림 이미지를 분석하여 특정 화가의 진품일 가능성을 평가하는 AI 기반 서비스를 제공한다. 주요 고객으로는 미술상, 경매 회사, 수집가, 보험사가 있으며, 이들은 출처 및 귀속 검토에서 의사 결정 지원 도구로 이 서비스를 사용한다.
이 서비스는 화가의 알려진 진품과 확인된 위작의 대규모 데이터셋으로 훈련된 Deep learning 모델에 기반을 둔다. 붓놀림 패턴, 색 구성, 육안으로 보이지 않는 미세한 표면 세부 사항을 조사함으로써, 알고리즘은 잘못된 귀속이나 의도적인 위조를 나타낼 수 있는 양식적 및 기술적 이상 징후를 식별할 수 있다. 회사가 밝힌 정확도는 이진 진위성 작업에서 90퍼센트를 초과하지만, 출력을 확정적 판결이 아닌 확률 점수로 위치시키며, 법적 및 학문적 판단은 인간 전문가에게 맡긴다.
설립 및 초기 개발
Art Recognition은 2019년 1월 스위스에서 데이터 과학자와 미술사가 팀에 의해 설립되었다. 창립자에는 전직 파생상품 거래자와 소프트웨어 엔지니어가 포함되었으며, 이들은 처음에 중고 미술 시장에서의 높은 사기 및 미발견 위작 발생률에 대응하여 이 시스템을 개발했다. 초기 연구는 ETH 취리히의 계산 협업 연구소에서 수행되었으며, 팀은 널리 사용 가능한 회화 이미지 라이브러리를 사용하여 첫 번째 신경망 프로토타입을 구축했다.
이 회사는 2020년에 이전에 논란이 있었던 작품을 가능한 위작으로 정확히 식별하여 상업 갤러리에서 제거되도록 한 후 초기 주목을 받았다. 2021년까지 Art Recognition은 데이터셋을 500명의 서양 화가를 포괄하는 100,000개 이상의 이미지로 확장했으며, 르네상스 회화, 인상파 작품, 현대 추상 작품에 대한 감정 보고서를 제공하기 시작했다. Neural network 아키텍처는 표준 합성곱 분류 모델에서 전역 구성 특징과 국소 질감 패치를 모두 통합하는 맞춤형 앙상블로 진화했다.
기술 및 방법론
Art Recognition 접근법의 핵심은 Residual Network (ResNet) 백본으로, 조명 변화, 프레임 크롭, 캔버스 뒤틀림을 시뮬레이션하는 Data Augmentation 기법으로 정제된다. 시스템은 각 이미지를 일련의 Multi-Head Attention 블록으로 처리하여 얼굴의 눈이나 붓놀림의 가늘어짐과 같은 다른 영역의 중요성을 가중할 수 있다. 훈련은 진품의 임베딩을 서로 가깝게 밀어내면서 위작과는 분리하는 [loss-functions|contrastive loss]를 사용하며, 이는 메트릭 러닝에서 흔한 방법이다.
Art Recognition은 쿼리 이미지와 인증된 작품의 참조 세트 사이에 Cross-Attention을 사용하여 화가별 스타일 마커에 대한 직접 비교를 가능하게 한다. 이는 더 일반적인 Generative AI 분류기와 다르며, Large language model 임베딩에 의존하지 않고 픽셀 수준 특징에 의존한다. 회사는 또한 Gradient Clipping과 Batch Normalization을 적용하여 작은 화가별 데이터셋에서 훈련을 안정화하며, Temperature Scaling 계층을 사용하여 출력 확률을 보정하여 보고된 신뢰도가 경험적 정확도와 일치하도록 보장한다.
중요한 모듈은 "위작 생성기"로, 알려진 위작의 미묘한 변형을 합성하여 훈련 데이터를 증강하는 Generative AI 구성 요소이다. 이 적대적 접근법은 GAN과 유사하지만 Transformer (architecture) 프레임워크 내에서 구현되며, 모델이 새로운 위조 기법에 일반화하도록 돕는다. 회사는 또한 경매 기록과 전시 이력을 구문 분석하여 의문스러운 작품에 수반될 수 있는 불일치를 표시하는 Sequence-to-Sequence (Seq2Seq) 모델을 사용하는 출처 분석 도구를 제공한다.
제품 제공
Art Recognition의 주요 제품은 감정 보고서로, 진위성 확률 점수, 의심스러운 영역을 강조하는 히트맵, 참조 작품과의 비교 표를 포함하는 문서이다. 보고서는 2주 이내에 제공되며 작품 크기와 화가 인기에 따라 미화 1,000달러에서 5,000달러 사이의 비용이 든다. 회사는 또한 Amazon Web Services와 Microsoft Azure 같은 플랫폼을 위한 실사 API를 제공하여 재고 관리 시스템이 제출물을 자동으로 선별할 수 있게 한다.
기관 고객을 위해 Art Recognition은 전체 컬렉션의 귀속 정확도를 검토하는 구독 기반 컬렉션 감사를 제공한다. 이 서비스는 여러 중형 유럽 박물관에서 채택되었지만, 회사는 기밀 유지 계약으로 인해 공개적으로 이름을 밝히지 않는다. 2022년에 출시된 모바일 앱은 사용자가 그림을 촬영하고 1분 이내에 예비 진위성 점수를 받을 수 있게 하며, 전체 보고서는 구매 가능하다.
2023년에 Art Recognition은 Oracle Cloud Infrastructure와 파트너십을 맺어 추론 워크로드를 호스팅했으며, 저지연 GPU 클러스터의 필요성을 언급했다. 회사는 또한 두 주요 경매 회사 플랫폼에 점수 엔진을 통합하여 경매 전 실시간 확인을 가능하게 했다. 이러한 통합은 연간 수익의 약 3분의 1을 차지하며, 회사는 2024년에 약 250만 스위스 프랑으로 보고했다.
시장 영향 및 수용
미술 감정 시장은 전통적으로 감식안과 방사성 탄소 연대 측정 및 안료 분석 같은 과학적 테스트에 의존해 왔다. Art Recognition은 자사를 이러한 방법의 보완재로 위치시키며, AI 분석이 실험실 테스트 비용의 일부로 대규모로 적용될 수 있다고 주장한다. 미술사가들은 신중한 관심을 표명했으며, 일부 동료 검토 연구는 빈센트 반 고흐와 렘브란트 같은 특정 화가에 대한 접근법을 검증했다.
그러나 이 기술은 제한된 데이터셋으로 훈련된 모델의 일반화 가능성에 의문을 제기하는 전통적 감정가들의 비판에 직면했다. 회사 자금이 아닌 유럽 미술 학자 컨소시엄이 수행한 2024년 이중 맹검 연구는 Art Recognition의 정확도가 장르에 따라 급격히 변동하여 초상화 미니어처와 해양화에서 78퍼센트로 떨어지는 것을 발견했다. 회사는 웹사이트에 기간 및 복잡성별 정확도 분석을 공개하여 대응했으며, 이는 현실적인 기대를 설정하는 움직임이었다.
이 서비스는 또한 주목할 만한 법적 분쟁에서 사용되었다. 2022년 파리 민사 법원 사건에서 Art Recognition의 분석이 증거로 채택되었지만, 판사는 제한적 가중치를 부여하고 기록 문서에 의존했다. 별도의 사건에서 회사는 이탈리아에서 도난된 마티스 작품을 회수하는 데 도움을 주었으며, 디지털 스캔이 분실된 작품의 특성과 일치하는 개인 소장품의 작품을 표시한 후였다.
윤리적 및 법적 고려 사항
Art Recognition의 서비스는 진위성 정의에 대한 윤리적 질문을 제기한다. "학교파" 작품으로 분류된 그림은 낮은 확률 일치로 표시될 수 있으며, 역사적으로 중요하더라도 시장 가치를 잠재적으로 낮출 수 있다. 회사는 "화가 귀속"과 "시기 및 작업실 일관성"에 대한 두 가지 별도 점수를 발행하여 이 문제를 해결한다. 이 뉘앙스는 거장의 손과 잘 실행된 사본을 구별해야 하는 박물관 큐레이터에게 칭찬을 받았다.
프라이버시는 또 다른 우려 사항으로, 고해상도 작품 스캔은 소유자가 공개하지 않은 보존 처리를 드러낼 수 있다. Art Recognition의 서비스 약관은 사용자가 작품을 촬영할 권리가 있음을 확인하도록 요구하며, 허가 없이 이미지를 게시하지 않는다. 회사는 University of Oxford 소속 학자들이 지지하는 AI 미술 윤리 자발적 행동 강령의 서명자이며, 투명성 및 감사자 접근에 대한 지침을 설정한다.
규제 관점에서 회사는 일반적인 스위스 데이터 보호 법률 하에서 운영된다. 감정 보고서는 법적 인증으로 간주되지 않으며, 회사는 거래의 유일한 근거로 사용되어서는 안 된다고 명시적으로 밝힌다. 이 책임 제한은 오분류에 대해 회사가 책임을 진 법원이 아직 없기 때문에 소송으로부터 보호해 왔다.
향후 방향
Art Recognition은 표면 질감과 3D 프로필이 복잡성을 추가하는 조각 및 조각 조각의 감정을 적극적으로 연구하고 있다. 2025년 초에 이름 없는 국립 갤러리와의 파일럿 프로젝트가 시작되었으며, U-Net 아키텍처를 사용하여 사진에서 조각된 세부 사항을 분할하고 3D 참조 모델과 비교한다. 회사는 또한 전문가 감정에 기반한 점수 임계값을 정제하기 위해 Reinforcement Learning from AI Feedback (RLAIF)(AI 피드백에서의 강화 학습)를 탐구하여, 미술사가가 오탐지를 수정하는 피드백 루프를 만든다.
또 다른 개발은 모델이 크롭 없이 더 높은 해상도에서 이미지를 분석할 수 있게 하는 Positional Encoding 방법의 통합으로, 크라켈뤼르 패턴 같은 미세한 세부 사항을 보존한다. 이 작업은 부분적으로 스위스 혁신 기관의 보조금으로 자금이 지원되며, 초기 결과는 복잡한 구상 작품에서 오탐지 감소를 보여준다. 회사는 또한 붓놀림 히트맵의 Top-K Sampling에 기반한 위조 감지 방법에 대한 특허를 출원했으며, 이는 심하게 복원된 작품에서도 가장 가능성 있는 저작 영역을 식별할 것이다.
직원 수는 4명에서 32명으로 성장했으며, Google DeepMind와 OpenAI 출신 엔지니어를 포함하지만, 창립 팀원 중 AI 연구 커뮤니티에서 공개 인물은 없다. 최고 기술 책임자 산드라 뮐러는 전직 BAIR (Berkeley AI Research) 박사후 연구원으로 알고리즘 팀을 이끈다. 회사는 취리히 사무실과 런던 연구 거점을 유지하며, 2025년 말에 AI 미술 감정을 위한 공개 벤치마크 데이터셋을 출시하여 경쟁과 투명성을 장려할 계획이다.
외부 수용 및 자금 조달
Art Recognition은 시드 및 시리즈 A 자금으로 총 800만 스위스 프랑을 모금했다. 주요 투자자는 스위스 가문 사무소이며, 전직 Anthropic 엔지니어가 엔젤로 참여한 벤처 신디케이트가 참여했다. 회사는 통제를 유지하기 위해 정부 구제금융이나 공개 상장을 추구하지 않았다. 2024년 독립 감사 기업의 평가는 반복 수익과 계약 파이프라인에 기반하여 기업 가치를 4,500만 스위스 프랑으로 책정했다.
회사의 공개 존재는 미술 감정 뉴스와 딥러닝 방법론에 대한 백서를 해독하는 인기 블로그를 포함한다. 주류 미술 언론에서 다루어졌지만 학술 저널에는 광고하지 않는다. 주목할 만하게, Art Recognition은 낮은 위조 발생률과 라벨 데이터의 높은 비용을 이유로 현대 대량 생산 판화에 대한 감정 서비스를 제공하지 않는다.
학술계에서 Art Recognition의 접근법은 인문학의 Machine learning 응용 과정에서 인용되었으며, Stanford AI Lab 연구자들이 공개 사례 연구를 강의 예로 사용한다. 회사는 MIT CSAIL과 협력하여 AI 점수 스타일 유사성에서 작품의 시장 가치를 예측하는 프로젝트를 진행했으며, 이는 보험사가 정책을 책정하는 데 도움을 줄 미래 제품의 전조이다. 이 협력은 2023년 심포지엄에서 발표되었지만, 아직 연구 논문은 공개되지 않았다.