该Timecraft项目由[艾米照]和团队成员使用机器学习想出一个办法如何现有的画可能已被最初被漆成中风，中风。在他们的标题为“绘画很多过去：合成绘画的延时视频”的论文中，他们描述了如何使用正在创建的新绘画的延时录像来训练ML算法，从而使其能够概率性地生成重新创建已经完成的绘画所需的步骤。 。

概率模型是使用卷积神经网络(CNN)实现的，其输出的是经过几分钟的延时视频。在论文中，他们引用了他们是如何受到艺术风格转换的启发的，其中神经网络用于生成特定艺术家风格的艺术品，或创建不同艺术家的作品。

许多复杂性来自绘画创作中使用的各种技术和材料，例如使用的确切画笔，绘画类型。现有的一些方法集中在这里的细节上，包括基于物理的油漆和笔触模拟。这些带有重大的警告，Timecraft试图通过采用更高级的方法来避免。

通过Amazon Mechanical Turk进行的一项调查评估了实验期间生成的延时录像，其中158名参与者要求比较Timecraft录像和实时延时录像的真实性。结果是，参与者偏爱真实视频，但会一半时间将Timecraft视频与实时延时视频混淆。

尽管可能还不完美，但它确实显示了如何使用ML来推断艺术品的构造方式，并以某种程度的准确性找出各个步骤。