Mike Tika nem létező emberek portréit festi. Ehhez azonban nem ecsetet használ, hanem egy ideghálózat "képzeletét".
Az emberek arca érdekel, sokat lehet olvasni bennük. Lenyűgöz ez a projekt, mert szeretek elmélkedni azon, kik lennének ezek az emberek, ha valóban léteznének.
Mike körülbelül kilenc hónapot töltött a Képzelt emberek portrék projektjének fejlesztésével, amely követte az inkepcionizmust és a Groovik-kockát.
GAN, generatív kontradiktórius hálózatok
Projektjében Mike generatív kontradiktórius hálózatokat (GAN) használt:
A GAN-szal kísérletezni kezdtem egy olyan installációban, amelyet a Refik Anadollal készítettem, ahol ezt a technikát használtuk képzeletbeli történelmi dokumentumok előállítására egy nagy archívumból. A projekt befejezése után egy új pillantást vetettem a portrékra ezzel a módszerrel.
Promóciós videó:
Tegyük fel, hogy azt akarja, hogy a GAN macskát ábrázoljon. A kezdéshez nagyszámú macskafotóra van szükség. Ezt követően elkészítenie kell egy modellt egy macska képének elkészítéséhez, amely figyelembe veszi az állat összes jellemzőjét: pofaszakáll, mancs, farok. A gépi tanulás alapadataként Mike körülbelül 20 000 kiváló minőségű képet használt fel a Flickr-től.
De ez csak az első lépés. Ahhoz, hogy valósághű képet kapjon a macskáról, nem pedig digitális vázlatot, létre kell hoznia egy második ideghálózatot, amelyet diszkriminátornak neveznek. Míg az első ideghálózat (generátor) képeket hoz létre a macskákról, a második (diszkriminátor) az első munkáját valódi macskaképekkel ellenőrzi, és megtudja, hogy megbízhatók-e. Az eredmények alapján a rendszer úgy állítja be a generátor paramétereit, hogy a kimeneti kép valósághűbb legyen.
Ha csak egy hálózatot használ, akkor a kimeneti kép mérete 128 × 128 és 256 × 256 pixel között mozog. A képek méretének növeléséhez több külön elkészített GAN-t kell összegyűjteni, hogy a következő szint az előző megkülönböztetője legyen. Ez a lépés javíthatja a kép minőségét, és a mérete 768 × 768 és 1024 × 1024 képpont között változik.
Végül Mike 4K fényképeket szeretne létrehozni, de jelenleg nehéz számára olyan adathalmaz megtalálása, amely a rendszert oktatja:
A GAN-t nehéz edzeni és nehéz irányítani. Gondosan figyelemmel kell kísérnie a bemeneti adatokat, meg kell győződnie arról, hogy az összes kép nagy felbontású, nem tartalmaz műtárgyakat és nem rajzolt-e. Nehéz összehasonlítani a különböző futásokat különböző paraméterekkel, mert nincs jó, stabil indikátor arról, hogy egy adott hálózat mennyire teljesít jól. A kimeneti kép elkészítése pedig nagyon sok időt vesz igénybe. De a projektemet nem a pontos eredmények vagy mutatók, hanem elsősorban a művészet érdekében hoztuk létre, amelynek inspirálnia és elgondolkodtatnia kell.
Dmitrij Alekszandrov