Onderwijs: A.I. en het verborgen perspectief in jouw foto!
3D Ken Burns Effect via een A.I. model - Metro Stockholm
Met A.I. van 2D naar 3D!
Een foto kennen we allemaal. Momentopnames in 2D. Met onze smartphones neem je er dagelijks en je kan ze bewerken met allerlei apps en filters. Maar wist je dat je van 2D naar 3D kan (proberen) gaan door middel van artificiële intelligentie en neurale netwerken? Deze techniek waarbij zo een model ontbrekende diepte-informatie berekent (of benaderd) en een parallax-effect toepast op jouw afbeelding heet het 3D Ken Burns Effect. De resultaten van de A.I. zijn beter dan van vele alternatieven en soms ook echt trippy!
Dit model bekijken- én gebruiken we in het educatief project AI & ART - Het Verborgen Perspectief in Jouw Foto
De illusie van perspectief (Ken Burns)
3D Ken Burns Effect via een A.I. model, modus Turbozoom! - Brugge
Het Ken Burns-effect ontleent zijn naam aan de Amerikaanse documentairemaker Ken Burns. Het is een techniek om foto's te verwerken in een videoproject. Om het verschil tussen bewegend beeld en stilstaand beeld te verzachten, maakte hij extensief gebruikt van zooms en panning bij de fotobeelden.
Zoom: het in- en uitzoomen op de foto.
Panning: het traag horizontaal of verticaal bewegen van de camera.
Deze techniek wordt vooral gebruikt bij documentaires of wanneer er geen videomateriaal beschikbaar is, maar wel fotomateriaal. Zoals bij een docu over het leven in de loopgraven van Wereldoorlog I.
Dit effect is te bereiken op vier manieren:
Door in videobewerking enkele simpele pan en zoombewegingen over de foto heen te leggen;
Door extensieve videobewerking en animatie;
Door middel van speciale camera-apparatuur (zoals de ter zielen gegane Illum van Lytro);
Of door middel van een A.I.!
3D Ken Burns Effect via een A.I. model - De Reep, Gent
Het A.I. recept: puntenwolken en twee neurale netwerken
Bij dit project werken we niet met high-tech Lytro camera's die tot 40 megarays vastleggen. We werken met één reguliere afbeelding, waar deze diepte-informatie ontbreekt, én een A.I. om deze ontbrekende informatie te berekenen / benaderen.
Onze A.I. zal de foto analyseren en segmenteren (opdelen). Er wordt een puntenwolk gegenereerd en twee afzonderlijke neurale netwerken zullen zorgen voor de correcte invulling van goniometrische informatie ... Dit project maakt dus gebruik van niet één, maar twee neurale netwerken. Elkeen zal gebruik tworden om vaak voorkomende fouten bij dit soort toepassingen tegen te gaan.
De volledige pipeline voor deze A.I. kan je hieronder vinden. Het onderzoek waar deze methode uit komt kan je hier vinden (bron).
Meer vragen over dit thema of A.I. in de klas? Bekijk zeker eens de contactpagina!