Latent Arrangements

5

Computergestützte Grafikproduktion
– Neue Bilder und Systeme

Große Datensätze von grafischem Material (Plakate, Logos, …) wurden gesammelt und in ein Generative Adversarial Network gespeist. Dieses neuronale Netzwerk lernt, Samples zu produzieren, die den Input-Bildern strukturell ähneln, sich jedoch deutlich von ihnen unterscheiden.
Die generierten Kompositionen lassen sich verstehen als die schemenhafte Idee, die sich eine Maschine von einem Plakat macht. Sie tragen keine präzise Bedeutung, denn das Netzwerk betrachtet grafische Komposition nicht als eine Summe von Elementen wie Wort, Bild, Textur und Symbol, die zu kommunikativen Zwecken arrangiert werden. Stattdessen verfolgt es einen rein pixelbasierten Ansatz zur Formbildung, der dem des Malens mit Pigment und Pinsel näher kommt.


Erstprüfer : Prof. Uli Braun
Zweitprüferin : Prof. Gertrud Nolte

Das Innovationspotential des GAN soll untersucht werden. Hierzu wird die visuelle Ähnlichkeit von Input- und Output-Formen ermittelt. Die generierten Formen sind organischer, weniger geometrisch exakt als die Ausgangsformen. Das GAN ist jedoch imstande, eigenständige, neue Formen zu generieren, die nicht im Trainingsdatensatz enthalten sind.

Der Vorteil des maschinellen Lernens gegenüber regelbasierten Programmiermethoden wird sichtbar. Es ermöglicht generativen Systemen, sich auf autonomere und überraschendere Weise zu entwickeln.
Komplexe Gestaltungsregeln für Hierarchie, Kontrast und Balance müssen nicht von Designer*innen rationalisiert und manuell definiert werden. Stattdessen werden sie aus einem Datensatz erlernt.

Kontakt: jannis@maroscheck.de

5 Kommentare

1 mit *

wow, ich bin überwältigt von der Ästhetik der generierten Grafiken. krasses Projekt!

richtig nice!! 💣

visuell sehr ansprechend auf ganz abstrakte art und weise. super spannend und irgendwie ein schönes tool für inspiration und gesteurte zufälle.

Starke Arbeit!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.