Mike Tika dipinge ritratti di persone inesistenti. Tuttavia, non usa un pennello per questo, ma l '"immaginazione" di una rete neurale.
Mi interessano i volti delle persone, ci si legge molto. Sono affascinato da questo progetto, perché amo riflettere su chi sarebbero queste persone se esistessero davvero.
Mike ha trascorso circa nove mesi a sviluppare il progetto Portraits of Imaginary People, che ha seguito Inceptionism e Groovik's Cube.
GAN, reti generative del contraddittorio
Nel suo progetto, Mike ha utilizzato le reti generative adversarial (GAN):
Ho iniziato a sperimentare con GAN in un'installazione che ho fatto con Refik Anadol, dove abbiamo usato questa tecnica per generare documenti storici immaginari da un grande archivio. Dopo aver terminato il progetto, ho dato una nuova occhiata ai ritratti utilizzando questo metodo.
Video promozionale:
Diciamo che vuoi che il GAN ritragga un gatto. Per iniziare, hai bisogno di un gran numero di foto di gatti. Dopodiché, devi preparare un modello per creare un'immagine di un gatto, che tenga conto di tutte le caratteristiche dell'animale: baffi, zampe, coda. Proprio come set di dati di base per l'apprendimento automatico, Mike ha utilizzato circa 20.000 immagini di alta qualità da Flickr.
Ma questo è solo il primo passo. Per ottenere un'immagine realistica di un gatto, piuttosto che uno schizzo digitale, è necessario creare una seconda rete neurale nota come discriminatore. Mentre la prima rete neurale (generatore) creerà immagini di gatti, la seconda (discriminatore) controllerà il lavoro della prima con immagini reali di gatti e scoprirà se sono affidabili. In base ai risultati, il sistema regola i parametri del generatore per rendere l'immagine di output più realistica.
Se si utilizza una sola rete, la dimensione dell'immagine in uscita sarà compresa tra 128 × 128 e 256 × 256 pixel. Per aumentare le dimensioni delle immagini, è necessario raccogliere diversi GAN preparati separatamente in modo che il livello successivo sia il discriminatore di quello precedente. Questo passaggio sarà in grado di aumentare la qualità dell'immagine e la dimensione varierà tra 768 × 768 e 1024 × 1024 pixel.
In definitiva, Mike vuole generare foto 4K, ma al momento è difficile per lui trovare un set di dati per addestrare il sistema:
Il GAN è difficile da addestrare e difficile da controllare. È necessario monitorare attentamente i dati di input, assicurarsi che tutte le immagini siano ad alta risoluzione, non abbiano artefatti e non siano disegnate. È difficile confrontare corse diverse con parametri diversi perché non esiste un indicatore valido e stabile del rendimento di una determinata rete. E la creazione dell'immagine di output richiede molto tempo. Ma il mio progetto è stato creato non per ottenere risultati o indicatori accurati, ma principalmente per il bene dell'arte, che dovrebbe ispirare e farti pensare.
Dmitry Alexandrov
