Dans le cadre de la conservation des peintures ou des photographies anciennes, la connaissance des pigments utilisés lors de la création de l’œuvre est primordiale pour déterminer comment ceux-ci vieillissent et comment restaurer les œuvres. Afin de caractériser au mieux les différents pigments utilisés à travers les âges, la méthode utilisée actuellement s’appuie sur plusieurs techniques dont de la spectrophotométrie de réflectance qui va de l’Ultra Violet à l’Infra-Rouge, de la spectrométrie Raman, la spectrométrie XRF de fluorescence sous rayons X qui permettent de caractériser le spectre des pigments. Chaque technique ayant ses incertitudes, leur conjonction permet d’orienter vers les matériaux en présence. Plusieurs bases de données d’images des pigments sont mises à disposition, cependant ces diverses bases ont peu de données, souvent des images reconstruites moins informatives que l’ensemble du spectre et surtout peu de données labellisées. La question qui se pose alors est comment retrouver ces pigments dans les œuvres d’art existantes et comment utiliser cette information pour en mesurer le comportement dans le temps. En effet, trouver les pigments utilisés permet d’une part que les restaurateurs respectent la législation en ne mettant pas les mêmes pigments, et d'autre part de définir des corpus qui serviront ensuite à authentifier des œuvres inconnues. Méthodologiquement, il s’agit d’un problème de segmentation multi-classes et/ou de détection des pigments en chaque pixel de l’image. La détection peut être abordée par des techniques d’apprentissage automatique semi-supervisé, ou non supervisé si on ne connaît pas les spectres des pigments avec potentiellement des déséquilibres entre les classes puisque, selon les artistes, certains pigments peuvent être utilisés plus rarement que d’autres. Par ailleurs, dans le domaine du patrimoine, les bases de données étant petites, l’apprentissage correspond à du few shot learning. L’objectif de cette thèse est d’étudier et de développer des méthodes d’apprentissage automatique semi-supervisé ou non-supervisé pour la détection de pigments dans les œuvres d’art.
Plus d’informations :