#Quotidien_2

édition / photographie / GAN

Parler du quotidien c’est s’adresser à tout le monde. Nous avons tous des habitudes différentes mais sommes à même de pouvoir reconnaître et identifier des espaces de tous les jours. Aucune ville de se ressemble, aucunne situation n’est identique à une autre, mais elles résonnent en nous comme « c’est quelque chose que j’aurais pû voir ».

Les technologies de vision par ordinateur, et plus particulièrement, la création d’images par machine learning sont des outils imperméables à la compréhension pour la plupart d’entre nous. À moins de s’y être déjà intéressé, nous ne pouvons pas réellement assimiler les étapes de créations derrière des algorithmes que nous ne comprenons pas.

Ce projet vise à apporter une meilleure compréhension des systèmes GAn à travers une série d’images du quotidien. Chaque GAn doit être entraîné sur une base de donnée. Elle a donc un rôle important sur les résultats produits. Une base de donnée cohérente produit des résultats plus fidèles, à l’inverse, une base de donnée constituée d’images variées produira des images plus ou moins abstraites.

Les éléments marquants dans le traîtement d’images pour la vision par ordinateur sont l’intensité des pixels dont est constituée l’image, ses différentes arêtes et les différentes régions, jusqu’aux formes particulières

La base de donnée du quotidien est variée, en regroupant des images personnelles réalisées depuis plusieurs années, ce projet permet d’appercevoir une nouvelle vision du quotidien par algorithme. Un entraînement de plus d’une journée commence à définir des formes qui nous semblent familières mais le résultat est loin d’être photoréaliste. S’ajoute l’importance de la légende. Légender, c’est appuyer un propos et situer une image dans un contexte déterminé. Les légendes présentes sont elles aussi générées par algorithme. De ces images semi-abstraites, quelle description peut-on espérer ?

?

#Quotidien_2

édition / photographie / GAN

Parler du quotidien c’est s’adresser à tout le monde. Nous avons tous des habitudes différentes mais sommes à même de pouvoir reconnaître et identifier des espaces de tous les jours. Aucune ville de se ressemble, aucunne situation n’est identique à une autre, mais elles résonnent en nous comme « c’est quelque chose que j’aurais pû voir ».

Les technologies de vision par ordinateur, et plus particulièrement, la création d’images par machine learning sont des outils imperméables à la compréhension pour la plupart d’entre nous. À moins de s’y être déjà intéressé, nous ne pouvons pas réellement assimiler les étapes de créations derrière des algorithmes que nous ne comprenons pas.

Ce projet vise à apporter une meilleure compréhension des systèmes GAn à travers une série d’images du quotidien. Chaque GAn doit être entraîné sur une base de donnée. Elle a donc un rôle important sur les résultats produits. Une base de donnée cohérente produit des résultats plus fidèles, à l’inverse, une base de donnée constituée d’images variées produira des images plus ou moins abstraites.

Les éléments marquants dans le traîtement d’images pour la vision par ordinateur sont l’intensité des pixels dont est constituée l’image, ses différentes arêtes et les différentes régions, jusqu’aux formes particulières

La base de donnée du quotidien est variée, en regroupant des images personnelles réalisées depuis plusieurs années, ce projet permet d’appercevoir une nouvelle vision du quotidien par algorithme. Un entraînement de plus d’une journée commence à définir des formes qui nous semblent familières mais le résultat est loin d’être photoréaliste. S’ajoute l’importance de la légende. Légender, c’est appuyer un propos et situer une image dans un contexte déterminé. Les légendes présentes sont elles aussi générées par algorithme. De ces images semi-abstraites, quelle description peut-on espérer ?