Mike Tika pictează portrete ale unor persoane inexistente. Cu toate acestea, el nu folosește o pensulă pentru aceasta, ci „imaginația” unei rețele neuronale.
Mă interesează chipurile oamenilor, poți citi multe în ele. Sunt fascinat de acest proiect, deoarece îmi place să reflectez la cine ar fi acești oameni dacă ar exista cu adevărat.
Mike a petrecut aproximativ nouă luni dezvoltând proiectul Portretele oamenilor imaginați, care a urmat Incepționismului și Cubului lui Groovik.
GAN, rețele contradictorii generative
În proiectul său, Mike a folosit rețele de contradictorii generative (GAN):
Am început să experimentez cu GAN într-o instalație pe care am făcut-o cu Refik Anadol, unde am folosit această tehnică pentru a genera documente istorice imaginare dintr-o arhivă mare. După ce am terminat proiectul, am aruncat o privire nouă asupra portretelor folosind această metodă.
Video promotional:
Să presupunem că doriți ca GAN să înfățișeze o pisică. Pentru a începe, aveți nevoie de un număr mare de fotografii cu pisici. După aceea, trebuie să pregătiți un model pentru a crea o imagine a unei pisici, care să ia în considerare toate caracteristicile animalului: mustăți, labe, coadă. La fel ca un set de date de bază pentru învățarea automată, Mike a folosit aproximativ 20.000 de imagini de înaltă calitate de la Flickr.
Dar acesta este doar primul pas. Pentru a obține o imagine realistă a unei pisici și nu o schiță digitală, trebuie să creați o a doua rețea neuronală cunoscută sub numele de discriminator. În timp ce prima rețea neuronală (generator) va crea imagini cu pisici, al doilea (discriminator) va verifica activitatea primei imagini reale cu pisici și va afla dacă acestea sunt de încredere. Pe baza rezultatelor, sistemul ajustează parametrii generatorului pentru a face imaginea de ieșire mai realistă.
Dacă utilizați o singură rețea, atunci dimensiunea imaginii de ieșire va varia de la 128 × 128 la 256 × 256 pixeli. Pentru a crește dimensiunea imaginilor, trebuie să colectați mai multe GAN-uri pregătite separat, astfel încât nivelul următor să fie discriminatorul celui precedent. Acest pas va putea crește calitatea imaginii, iar dimensiunea va varia între 768 × 768 și 1024 × 1024 pixeli.
În cele din urmă, Mike dorește să genereze fotografii 4K, dar în acest moment este dificil pentru el să găsească un set de date pentru a instrui sistemul:
GAN este dificil de antrenat și greu de controlat. Trebuie să monitorizați cu atenție datele de intrare, să vă asigurați că toate imaginile au rezoluție mare, nu au artefacte și nu sunt desenate. Este dificil să comparați diferite rulări cu parametri diferiți, deoarece nu există un indicator bun și stabil al performanței unei anumite rețele. Iar imaginea de ieșire durează foarte mult pentru a fi construită. Dar proiectul meu a fost creat nu de dragul unor rezultate sau indicatori exacți, ci în primul rând de dragul artei, care ar trebui să inspire și să te facă să gândești.
Dmitry Alexandrov
