Super Vision
Posts
#1 Deze GANs wil je voeren! 💻🖼

#1 Deze GANs wil je voeren! 💻🖼

September 02, 2021

Dit is de allereerste Super Vision - een wekelijkse nieuwsbrief voor mediamakers, journalisten en designers in Vlaanderen en Nederland die (willen) werken en experimenteren met AI en machine learning.

Geschreven door Laurens Vreekamp 🖐🏼, oprichter Future Journalism Today, voormalig Google News Lab Teaching Fellow

📗Leestijd van deze nieuwsbrief is zo'n 3 minuten.

Deze week: StyleGAN's

“I like leaving the model running when I’m out of the house and coming home to 100s of newly generated compositions.”

Designer Nadia Piet (AIxDesign) toonde onlangs op haar Instagram-account bovenstaande beelden die ze ‘samen’ met de AI-tool Playform.io had gemaakt.

1. Wat is een StyleGAN?

Stel je het volgende voor: je hebt een map vol met foto’s, screenshots of moodboards en laat op basis daarvan een hele map vol met nieuwe, door een machine gegenereerde beelden creëren die variaties zijn op diegenen uit je voorbeeldmap.

Dat is wat je met StyleGANs kan doen. Een StyleGAN is een specifieke toepassing van AI waarmee je beeld kunt genereren in een bepaalde visuele stijl die jij het hebt aangeleerd - dit noem je een style transfer. (Je herinnert je misschien nog wel van die apps waarmee je je foto's in Picasso-stijl kon omzetten.)

Maar die stijlen kun je nu dus ook genereren op basis van eigen werk. Zo zouden visual artists als Sue Doeksen of Parra een StyleGAN van hun werk kunnen maken, in hun signature stijl. Naast een interessant experiment kunnen de uitkomsten daarvan verrassend zijn, maar wellicht ook beangstigend of onwenselijk...

2. Waarom moet je dit weten?

Een StyleGAN is bij uitstek een nieuwe techniek waarmee je visueel kunt ontdekken wat op dit moment de mogelijkheden en beperkingen zijn van wat je samen met AI kunt bereiken in een creatief proces. En anno 2021 kan dit zonder het inkopen van servers, dure rekenkracht of grafische processoren (GPU’s), zonder verstand van programmeren te hebben en zelfs zonder het installeren van software.

3. Wanneer ga je dit gebruiken?

Vooral tijdens de visualisatie-, exploratie- of generatieve fase van het creatieve proces kun je een StyleGAN inzetten. Zo kan het toepassen van deze techniek je een nieuwe vorm van inspiratie bieden. Laat je verrassen door de resultaten die jouw GANs creëren of genereer een veelheid aan beeld waar je uit kunt cherrypicken om vervolgens weer mee verder te werken.

Je kunt de beelden ook gebruiken in plaats van generieke placeholders in je wireframes of prototypes. En denk ook aan varianten op je illustraties of het creëren van rechtenvrij stockmateriaal (print en online).

4. Waar kom je al werk met StyleGANs tegen?

In fashion design (Gap), moderne kunst (Fake me Hard), workshops (SETUP Utrecht), web art, animaties (latent space), muziek (Björk), satire (Zondag met Lubach) en e-commerce (Lalalaland) worden StyleGANs op verschillende manieren ingezet.

Ook New Balance experimenteerde ermee voor footwear designs en IKEA visualiseerde met StyleGANs de bedroom of the future (zie afbeelding hierboven).

5. Zelf experimenteren?

👉 Playform.io - Nadia Piet gebruikt o.a. deze online tool waarmee je snel en eenvoudig begint met bestaande StyleGANs of je eigen stijl kunt aanmaken. Je kunt er ook profielfoto’s uploaden en de gelaatstrekken aanpassen (vergelijkbaar met de nieuwe Neural Filters in Photoshop).

👉 RunwayML - een andere online tool waarmee je naast het toepassen of maken van een StyleGAN ook beelden kunt animeren en video's editen. (Over een paar weken meer over editing...)

Succes met uitproberen en stuur me vooral je resultaten! Weet me ook te vinden als je vragen, bedenkingen of aanvullingen hebt. Tot volgende week. Dan behandel ik natural language processing. Groet, Laurens

Nog 1 minuut over? Zo werkt een GANs:

StyleGAN’s zijn vormen van AI die vallen onder unsupervised machine learning. Het doel van een StyleGAN is om beeld te genereren in een bepaalde, aangeleerde visuele stijl. De kunstmatige gegenereerde profielfoto’s op thispersondoesnotexist.com is waarschijnlijk het voorbeeld dat je wel kent.

Een GAN, voluit Generative Adversarial Network, werkt met twee delen: een generator en een discriminator. De generator doet een voorstel - dit is bijvoorbeeld een computer-gegenereerd gezicht van een mens- en de discriminator geeft daar een cijfer voor (gebaseerd op de voorbeelden van ‘echte’ gezichten waarmee het is getraind). Dankzij die cijfermatige waardering van de discriminator leert de generator steeds betere voorbeelden te creëren.