Se trata del fotógrafo holandés Bas Uterwijk. Para sus creaciones emplea un sitio de acceso libre basado en redes generativas antagónicas (GAN).
INFOBAE|AMERICA
Así quedó la imagen de la Reina Isabel I de Inglaterra (Bas Uterwijk)
Las creaciones pueden llevar varios intentos, tal como se muestra en este proyecto de creación del retrato de la Reina Isabel I de Inglaterra (Bas Uterwijk)
Las redes generativas antagónicas (GAN, por sus siglas en inglés) son un sistema de aprendizaje automático que permite generar sonidos e imágenes súper realistas. Esta técnica les permitió, por ejemplo, a investigadores de Nvidia entrenar a una GAN con imágenes de rostros famosos para que generara rostros realistas de personas que no existen. También iniciaron el proyecto GauGAN que produce paisajes inventados a partir de bocetos.
Este método se ha empleado en decenas de aplicaciones para generar recreaciones a partir de una fotografía, producir diseños completamente innovadores de todo tipo y también se comenzó a probar para generar efectos especiales.
Estatua de La Libertad creada por redes GAN (Bas Uterwijk)
La técnica tiene muchísimas aplicaciones y justamente por las grandes posibilidades que ofrece cada vez surgen más herramientas que se basan en esta tecnología. El arte es uno de los espacios donde las GAN florecen. Y la creaciones del fotógrafo holandés Bas Uterwijk dan cuenta de esto.
El artista utiliza Artbreeder, una herramienta que se basa en Ganbreeder y BigGAN para generar fotos realistas de personajes históricos como Napoleón, Vincent Van Gogh e incluso para darle vida a esculturas como La Estatua de La Libertad o El David de Miguel Ángel.
Vincent Van Gogh (Bas Uterwijk)
El software utiliza ciertos datos, como características faciales y otras cualidades para generar una imagen. Para generar el resultado final los algoritmos se nutren de varias imágenes. El artista aseguró, en una nota publicada en el Daily Mail, que el verdadero desafío es lograr un realismo fotográfico casi perfecto, y al mismo tiempo lograr que sus modelos tengan expresiones interesantes.
Napoleón Bonaparte (Bas Uterwijk)
“El software tiende a derivar fácilmente a los promedios debido a su naturaleza, por lo que para eso último a veces necesito algunos trucos y métodos adicionales para obtener lo que quiero”, explicó. Por el momento generó unas 60 imágenes por medio de inteligencia artificial.
El David de Miguel Ángel (Bas Uterwijk)
Artbreeder, la plataforma que utiliza Uterwijk, es gratis y de acceso libre. Para comenzar a usarlo hay que ingresar al sitio, aquí, crearse una cuenta y seguir los pasos indicados. Los resultados van a variar según la cantidad de imágenes que se suban. De ahí que el fotógrafo explicaba que muchas veces se vale de ciertos “trucos” para lograr el resultado final. Esos trucos tiene que ver con seleccionar y afinar una serie de parámetros hasta lograr con la imagen deseada.
En el perfil de Instagram del artista se pueden encontrar una variedad de fotos generadas con este sistema, algunas de las cuales se reprodujeron en esta nota.
Artbreeder, un software basado en redes GAN
Como ya se mencionó, las redes generativas antagónicas (GAN) utilizan dos redes neuronales que, por medio de un enfrentamiento estilo competencia van logrando imágenes o sonidos cada vez más realistas. Ambas redes están entrenadas con el mismo conjunto de datos, según explicó a Infobae, en esta nota, Ian Goodfellow, uno de los desarrolladores de esta técnica.
Una de las redes, conocida como la generativa, tiene la tarea de producir variaciones en las imágenes con la que se la nutrió. La segunda red juega el rol del discriminador porque debe discernir si la imagen que ve es del conjunto de datos de entrenamiento original con la que fue nutrida o si es una imagen generada por la red generativa.
En este juego de generación e identificación de imágenes reales versus generadas, la red neuronal generativa se va volviendo cada vez más precisa hasta que a la red discriminadora le resulta imposible identificar las imágenes falsas que ésta creó. Así se logra optimizar el resultado.
An artist used algorithms to make hyper realistic portraits of Napoleon, Michelangelo's David
This is the Dutch photographer Bas Uterwijk. For his creations he uses a free access site based on antagonistic generative networks (GAN).
This is the Dutch photographer Bas Uterwijk. For his creations he uses a free access site based on antagonistic generative networks (GAN).
INFOBAE | AMERICA
https://www.infobae.com/america/tecno/2020/07/07/un-artista-uso-algoritmos-para-hacer-retratos-hiper-realistas-de-napoleon-el-david-de-miguel- angel-and-the-statue-of-liberty /
Thus was the image of Queen Elizabeth I of England (Bas Uterwijk)
Creations can take several attempts, as shown in this project to create the portrait of Queen Elizabeth I of England (Bas Uterwijk)
Antagonistic Generative Networks (GANs) are a machine learning system that enables super realistic sounds and images to be generated. This technique allowed, for example, Nvidia researchers to train a GAN with images of famous faces to generate realistic faces of people who do not exist. They also started the GauGAN project that produces invented landscapes from sketches.
This method has been used in dozens of applications to generate recreations from a photograph, to produce completely innovative designs of all kinds, and it has also started to be tested to generate special effects.
Statue of Liberty created by GAN networks (Bas Uterwijk)
The technique has many applications and precisely because of the great possibilities it offers, more and more tools are emerging based on this technology. Art is one of the spaces where GANs flourish. And the creations of the Dutch photographer Bas Uterwijk realize this.
The artist uses Artbreeder, a tool that builds on Ganbreeder and BigGAN to generate realistic photos of historical figures like Napoleon, Vincent Van Gogh, and even to bring sculptures like The Statue of Liberty or Michelangelo's David to life.
Vincent Van Gogh (Bas Uterwijk)
The software uses certain data, such as facial features and other qualities, to generate an image. To generate the final result the algorithms are nourished by several images. The artist assured, in a note published in the Daily Mail, that the real challenge is to achieve an almost perfect photographic realism, and at the same time to achieve that his models have interesting expressions.
Napoleon Bonaparte (Bas Uterwijk)
"Software tends to easily drift to averages due to its nature, so for the latter I sometimes need some additional tricks and methods to get what I want," he explained. At the moment it generated about 60 images using artificial intelligence.
Michelangelo's David (Bas Uterwijk)
Artbreeder, the platform that Uterwijk uses, is free and freely accessible. To start using it you have to enter the site, here, create an account and follow the indicated steps. The results will vary according to the amount of images that are uploaded. Hence the photographer explained that many times he uses certain "tricks" to achieve the final result. Those tricks have to do with selecting and fine-tuning a series of parameters until you achieve the desired image.
A variety of photos generated with this system can be found on the artist's Instagram profile, some of which were reproduced in this note.
Artbreeder, a software based on GAN networks
As already mentioned, the antagonistic generative networks (GAN) use two neural networks that, through a competition-style confrontation, achieve increasingly realistic images or sounds. Both networks are trained with the same data set, according to Infobae, in this note, Ian Goodfellow, one of the developers of this technique.
One of the networks, known as the generative, has the task of producing variations in the images with which it was nourished. The second network plays the role of the discriminator because it must discern whether the image you see is from the original training dataset with which it was nurtured or whether it is an image generated by the generative network.
In this game of generation and identification of real versus generated images, the generative neural network becomes more and more precise until the discriminating network finds it impossible to identify the false images that it created. This optimizes the result.
