- Daniel Voshart, un diseñador de Toronto, utilizó el aprendizaje automático y Photoshop para transformar bustos de emperadores romanos en imágenes fotorrealistas.
- Voshart quería presentar a los emperadores como se verían al final de su reinado, a pesar de cualquier enfermedad que pudiera haber alterado su apariencia.
- Se sabe que los artistas exageran la buena apariencia de la clase dominante, por lo que presumiblemente estas imágenes son más justas.
Los artistas históricamente han exagerado lo atractivos que eran los gobernantes en sus retratos y esculturas. La reina Carolina de Inglaterra lo dijo mejor en 1795, cuando describió el momento en que vio por primera vez a su prometido, el rey Jorge IV: “Lo encuentro muy gordo y de ninguna manera tan hermoso como su retrato”.
Ahora, un diseñador de Toronto está corrigiendo algunas de esas libertades creativas. Al fusionar el aprendizaje automático, Photoshop y registros históricos, Daniel Voshart ha transformado 54 bustos de emperadores romanos del período Principado (27 a. C. a 285 d. C.) en imágenes fotorrealistas.
⏳ Te encanta la historia antigua. Nosotros también. Vamos a discutirlo juntos.
Originalmente, Voshart emprendió el trabajo como una especie de proyecto de cuarentena. “Creo que fue la naturaleza de la pandemia lo que me hizo pensar en Algo más, y tal vez me atrajeron los detalles morbosos de la vida de los emperadores “, dice. Mecánica popular. “Estaba trabajando en un programa de ciencia ficción unos 2.000 años en el futuro, así que tal vez me atrajo pensar en el pasado”.
Pero Voshart no podría haber predicho que los pedidos de sus impresiones de la primera edición, con emperadores como Augustus, Nero y Decius, explotarían en su página de Etsy. “No sabía que la respuesta sería tal que en realidad [have to] reducir las horas de mi trabajo simplemente para satisfacer la demanda “, dice.
Daniel voshart
El proceso no fue simplemente una cuestión de conectar fotos de los bustos para escupir algún tipo de rostro humano perfecto, dice Voshart. Para generar los borradores de la cara de cada emperador, Voshart se basó en gran medida en una herramienta de aprendizaje automático llamada Artbreeder. El software de código abierto utiliza redes generativas adversarias, o GAN, para generar una imagen.
Si le suenan familiares, probablemente sea porque ha oído hablar de deepfakes o medios sintéticos que se utilizan a menudo con fines nefastos. Las GAN, la tecnología subyacente en los deepfakes, pueden ayudar a los algoritmos a ir más allá de la simple tarea de clasificar datos y entrar en el ámbito de la creación de datos, en este caso, imágenes. Esto sucede cuando dos GAN intentan engañarse mutuamente para que piensen que una imagen es real. Con tan solo una imagen, un GAN probado y probado puede crear un videoclip de, digamos, Richard Nixon.
Merch de los emperadores romanos
Si bien los emperadores romanos de Voshart no son falsos profundos, sí comparten un marco tecnológico similar: son solo aplicaciones diferentes del aprendizaje automático. Específicamente, Artbreeder usa NVidea StyleGAN, una GAN de código abierto que los científicos informáticos crearon en diciembre de 2018.
En una conferencia virtual del 30 de septiembre sobre “GAN para el bien”, Anima Anandkumar, directora de investigación de aprendizaje automático de NVIDIA, explica cómo funciona la tecnología. Utilizando una técnica llamada aprendizaje por desenmarañamiento, el GAN puede separar y controlar mejor ciertos elementos de estilo de forma aislada, algo que artistas como Voshart pueden hacer naturalmente mucho mejor que las máquinas.
Este contenido se importa de YouTube. Es posible que pueda encontrar el mismo contenido en otro formato, o puede encontrar más información, en su sitio web.
“Los humanos somos geniales en esto”, explicó Anandkumar en la conferencia. “Tenemos diferentes conceptos que hemos aprendido de niños y lo hemos hecho de manera no supervisada, y de esta manera, ahora podemos componer y crear imágenes o conceptos completamente nuevos”. En la práctica, eso significa que un usuario tiene más control sobre qué propiedades de una imagen de origen le gustaría usar en la nueva.
Este contenido se importa de {embed-name}. Es posible que pueda encontrar el mismo contenido en otro formato, o puede encontrar más información, en su sitio web.
Joel Simon, el desarrollador que creó Artbreeder, dice Mecánica popular que todo se reduce a la forma en que las redes neuronales del programa representan el “espacio” en las imágenes.
“Cuando se ‘carga’ una imagen, se recorta la cara y luego se realiza un proceso de búsqueda para encontrar el lugar más cercano en el espacio para esa imagen”, explica. “Una vez que está en este ‘espacio’, es fácil ‘moverse’ sumando o restando números que corresponden a valores como la edad o el género, aquí llamados ‘genes’. Entonces, al agregar color, lo hace de una manera muy inteligente, no solo editando píxeles, sino moviéndose por el espacio de todas las caras “.
Esto hace que sea más sencillo para un artista como Voshart cargar datos de entrenamiento (en este caso, alrededor de 800 muestras de bustos de emperadores romanos) para encontrar un rostro hiperrealista con menos artefactos o anomalías introducidas por el software.
Daniel voshart
Aún así, Voshart tenía una cantidad significativa de trabajo en sus manos, incluso después de usar el software Artbreeder. En su fase de prueba, antes de producir los rostros del emperador romano que aparecen en sus impresiones finales, los resultados llegaron plagados de anomalías.
“El resultado sale con muchos artefactos extraños y tiende a transformar los rasgos en una especie de cara promedio, que es lo opuesto a lo que se busca cuando se desea mantener una expresión interesante”, dice Voshart. “Mi proceso consistió en descargar más desde Artbreeder, modificar en Photoshop y repetir el proceso volviendo a cargar en Artbreeder”.
Aunque podría ser un dolor de cabeza eliminar las fallas en las imágenes generadas, Voshart dice que “no hay una remota posibilidad” de que pudiera haber hecho el trabajo sin el poder del aprendizaje automático.
Este contenido es creado y mantenido por un tercero y se importa a esta página para ayudar a los usuarios a proporcionar sus direcciones de correo electrónico. Es posible que pueda encontrar más información sobre este y contenido similar en piano.io
Source link