- Daniel Voshart, ein Designer in Toronto, nutzte maschinelles Lernen und Photoshop, um Büsten römischer Kaiser in fotorealistische Bilder zu verwandeln.
- Voshart wollte die Kaiser so darstellen, wie sie am Ende ihrer Regierungszeit ausgesehen hätten, ungeachtet etwaiger Krankheiten, die ihr Aussehen verändert haben könnten.
- Künstler sind dafür bekannt, dass sie das gute Aussehen der herrschenden Klasse übertreiben, daher sind diese Bilder vermutlich eher fair.
Künstler haben in der Vergangenheit die Attraktivität von Herrschern in ihren Porträts und Skulpturen übertrieben. Königin Caroline von England brachte es 1795 am besten auf den Punkt, als sie den Moment beschrieb, in dem sie ihren Verlobten, König Georg IV., zum ersten Mal erblickte: „Ich finde ihn sehr fett und keineswegs so schön wie sein Porträt.“
Jetzt korrigiert ein Designer aus Toronto einige dieser kreativen Freiheiten. Durch die Kombination von maschinellem Lernen, Photoshop und historischen Aufzeichnungen hat Daniel Voshart 54 römische Kaiserbüsten aus der Principatszeit (27 v. Chr. bis 285 n. Chr.) in fotorealistische Bilder verwandelt.
⏳ Sie lieben alte Geschichte. Wir auch. Lassen Sie uns gemeinsam darüber schwärmen.
Ursprünglich hat Voshart die Arbeit als eine Art Quarantäneprojekt in Angriff genommen. „Ich glaube, es war die Art der Pandemie, die mich an alles andere denken ließ, und vielleicht fühlte ich mich von den morbiden Details aus dem Leben der Kaiser angezogen“, erzählt er Popular Mechanics. „Ich habe an einer Science-Fiction-Serie gearbeitet, die 2.000 Jahre in der Zukunft spielt, und vielleicht hat es mich gereizt, über die Vergangenheit nachzudenken.“
Aber Voshart konnte nicht vorhersehen, dass die Bestellungen für seine Drucke der ersten Auflage – mit Kaisern wie Augustus, Nero und Decius – auf seiner Etsy-Seite explodieren würden. „Ich wusste nicht, dass die Resonanz so groß sein würde, dass ich sogar meine Arbeitszeit reduzieren würde, nur um die Nachfrage zu befriedigen“, sagt er.
Der Prozess bestand nicht einfach darin, Fotos der Büsten einzugeben, um eine Art perfektes menschliches Gesicht auszuspucken, sagt Voshart. Um die groben Entwürfe für die Gesichter der einzelnen Kaiser zu erstellen, stützte sich Voshart auf ein maschinelles Lernprogramm namens Artbreeder. Die Open-Source-Software verwendet generative adversarische Netzwerke (GANs), um ein Bild zu erzeugen.
Wenn Ihnen das bekannt vorkommt, haben Sie wahrscheinlich schon von Deepfakes oder synthetischen Medien gehört, die oft für schändliche Zwecke verwendet werden. GANs, die den Deepfakes zugrunde liegende Technologie, können Algorithmen dabei helfen, über die einfache Aufgabe der Klassifizierung von Daten hinauszugehen und in den Bereich der Datenerstellung vorzudringen – in diesem Fall in den Bereich der Bilder. Dies geschieht, wenn zwei GANs versuchen, sich gegenseitig vorzugaukeln, dass ein Bild echt ist. Mit nur einem Bild kann ein bewährtes GAN einen Videoclip von, sagen wir, Richard Nixon erstellen.
Römische Kaiser Merch
Während Vosharts römische Kaiser keine Deepfakes sind, haben sie einen ähnlichen technologischen Rahmen – sie sind nur unterschiedliche Anwendungen des maschinellen Lernens. Artbreeder verwendet NVidea StyleGAN, ein Open-Source-GAN, das von Informatikern im Dezember 2018 entwickelt wurde.
In einer virtuellen Vorlesung zum Thema „GANs for Good“ am 30. September erklärt Anima Anandkumar, Director of Machine Learning Research bei NVIDIA, wie die Technologie funktioniert. Mithilfe einer Technik, die als Entflechtungslernen bezeichnet wird, kann das GAN bestimmte Stilelemente isoliert besser trennen und kontrollieren, was Künstler wie Voshart natürlich viel besser können als Maschinen.
„Menschen sind darin großartig“, erklärte Anandkumar in dem Vortrag. „Wir haben verschiedene Konzepte, die wir als Kleinkinder gelernt haben, und wir haben das auf eine unbeaufsichtigte Art und Weise getan, und auf diese Weise können wir jetzt komponieren und völlig neue Bilder oder Konzepte erstellen.“ In der Praxis bedeutet das, dass ein Benutzer mehr Kontrolle darüber hat, welche Eigenschaften eines Ausgangsbildes er in dem neuen Bild verwenden möchte.
Tippen Sie hier, um abzustimmen
Joel Simon, der Entwickler von Artbreeder, erklärt gegenüber Popular Mechanics, dass es auf die Art und Weise ankommt, wie die neuronalen Netzwerke des Programms den „Raum“ in den Bildern darstellen.
„Wenn ein Bild ‚hochgeladen‘ wird, wird das Gesicht beschnitten und dann wird ein Suchprozess durchgeführt, um den nächstgelegenen Platz im Raum für dieses Bild zu finden“, erklärt er. „Sobald es sich in diesem ‚Raum‘ befindet, ist es einfach, sich zu bewegen, indem man Zahlen hinzufügt oder abzieht, die Werten wie dem Alter oder dem Geschlecht entsprechen, hier ‚Gene‘ genannt. Wenn man also Farbe hinzufügt, geschieht dies auf sehr intelligente Weise, nicht nur durch die Bearbeitung von Pixeln, sondern durch die Bewegung durch den Raum aller Gesichter.“
Das macht es für einen Künstler wie Voshart einfacher, Trainingsdaten hochzuladen – in diesem Fall etwa 800 Muster von römischen Kaiserbüsten – um ein hyperrealistisches Gesicht mit weniger Artefakten oder Anomalien, die von der Software eingeführt werden, zu entwickeln.
Auch nach dem Einsatz der Artbreeder-Software hatte Voshart noch eine Menge Arbeit vor sich. In seiner Testphase, bevor er die Gesichter der römischen Kaiser produzierte, die in seinen endgültigen Drucken abgebildet sind, wiesen die Ergebnisse einige Anomalien auf.
„Das Ergebnis weist viele seltsame Artefakte auf und neigt dazu, die Gesichtszüge in eine Art Durchschnittsgesicht zu verwandeln, was das Gegenteil von dem ist, was man will, wenn man einen interessanten Ausdruck erhalten will“, sagt Voshart. „Mein Verfahren bestand eher darin, das Bild von Artbreeder herunterzuladen, es in Photoshop zu bearbeiten und den Prozess zu wiederholen, indem ich es wieder in Artbreeder lud.“
Auch wenn die Beseitigung von Fehlern in den generierten Bildern Kopfzerbrechen bereiten könnte, sagt Voshart, dass es „nicht die geringste Chance“ gibt, dass er die Arbeit ohne die Leistung des maschinellen Lernens hätte erledigen können.