UNmask GANs

Casing Deep Fakes

StyleGAN trifft auf Coronamasken - Mixed Media Projekt


Die Entwicklung von GANs (Generative Adversarial Networks) ist rasant. Sie fordern unsere Wahrnehmung von Realität heraus. Mehr noch, die Technologie hinterfragt sie. In immer höherem Tempo zwingt sich uns die Frage auf: was ist wahr, was nicht?


Anpassungsfähige Berechnungsformeln

Hilft maskieren? Mit Corona ergab sich die Möglichkeit, ganz legal das eigene Gesicht zu verstecken. Es nicht mehr - unwissentlich - als Trainingsdaten diverser Algorithmen herzugeben. Eine Atempause. Sie war kurz. Die Berechnungsformeln waren schnell umgeschrieben. Doch damit nicht genug. Statt nur die Personenerkennung zu optimieren, verstärken sie jetzt zunehmend die -täuschung.


Coronamasken, die leidigen Dauerbegleiterinnen

Parallel fristeten Coronamasken ihr Dasein als nervige Dauererinnerung an unsere gesellschaftliche Vulnerabilität. Ihr finaler Job ist, unsere gigantischen toxischen Kunststoffmüllberge zu vergrößern.

UNmask GANs erforscht die Arbeitsweise von Deep-Fake-Algorithmen (GANs). Als Datenset dienen Fotos händisch gesammelter Coronamasken. Statt favorisierter Gesichter bilden nun ungeliebte Masken das Motiv. Sie mutieren zu Algorithmusfutter & -kontrolle. Erst ca. 650-1.000 Masken erzeugen ein brauchbares Ergebnis. Ein Public Viewing veranschaulicht deren schiere Menge. Deep Fakes fallen nicht vom Himmel. Sie sind das Ergebnis langwieriger Prozesse. Deren Input liegt anschließend nutzlos rum - auf Servern. UNmask GANs zeigt den Müll auch im realen Raum.


Homepage unmask.form-f.art

Die Website unmask.form-f.art begleitet das Projekt. Um mit GANs arbeiten zu können, ist Wissen über html und Python gefragt. Das Lernen findet quasi online statt, indem aus einer einfachen Seite eine differenzierte Webpräsenz entsteht, die Infos und Gedanken zur Technologie veröffentlicht.

Geplant ist, die Forschungreise Ende des Jahres mit einer offenen Werkstatt zu beenden. Neugierige können dort einem GAN bei der Arbeit zusehen, interessante Resultate von UNmask GANs begutachten und selbst Erfahrungen mit Datenset- und anderen Aspekten der Deep-Fake-Herstellung sammeln.


|0|0|0|0|0|0|0|0|0|0|00|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0||0|0|0|0|0


Projektablauf

UNmask GANs besteht aus neun Phasen:

https://unmask.form-f.art begleitet mit:


|0|0|0|0|00|0|0|0|0|0|00|0|0|0|0|0|0|00|0|0|0|0|0||0|00|0|0|0|0|0|0|0|0|0|0


Das Projekt wurde offiziell am 28.Mai '22 mit der Installation

GANcud gelaunched. Die Aktion veranschaulichte den Prozess der Datenset-Herstellung. Worum ging es dabei?

GANcud - Futter für das GAN, zweitägige Installation

Das Event recycelte Coronamasken und gab ihnen einen neuen Sinn. Sie liefern nun die Datenbasis für den 'Lern'prozess eines StyleGAN - der Algorithmusform, die für Deepfakes eingesetzt wird.


sichtbargemachte Vorarbeit

In den meisten Fällen müssen die Daten für das Machine Learning nicht manuell generiert werden. Oft sind genug Sounds oder Bilder im WWW vom gewünschten Motiv verhanden. Suchalgorithmen stellen in dem Fall, das Passende zusammen. Ihr geborgener Datenschatz wird evaluiert, é voilà ein GAN kann loslegen.


Von schönen und unschönen Motiven

Was passiert, wenn nicht genug Bilder oder Sounds vorhanden sind? Eine mühselige manuelle Herstellung beginnt. 650-1000 Bilder des Motivs müssen her. Was, wenn das Motiv zudem nicht hübsch oder spannend ist? Dann wird die Herstellung zur Herausforderung. Genau mit der Thematik spielte die Installation.

Sie war die Herausforderung, die Masken zu sammeln, zu ordnen, fotografierbar zu machen, abzulichten und final zu formatieren.


Die Summe der einzelnen Teile

GANcud präsentierte die Coronamasken vor ihrer Entsorgung noch einmal in ihrer ganzen "Pracht": als Teilchen, das gemeinsam mit vielen anderen ein neues Ganzes ergibt, als GAN-Motiv und als Mahnung: Verwendet mich so sparsam wie möglich. Wwrft mich anschließend in den Restmüll. Tapeziert mit mir NICHT die Straßen.


Bildsammlung auf UNmask Open

Während der Installation habe ich die Masken einzeln abfotografiert und die Grundlage für das Machine Learning, zwei Datensets erstellt. Doch je größer desto besser:

Ihr könnt zum weiteren Projektverlauf beitragen, indem ihr Euch aktiv an der Datenset-Erweiterung beteiligt und eine oder sogar ein paar Masken im Format 1:1 fotografiert und hochladet in UNmask Open


Links

Geschichte der DeepFakes / Mixed, 2021

The Good, the Bad and the Ugly / Medium, 2019

Art based on Algorithm of R. Barrat, First AI Portrait sold at Christie's / The Verge, 2018


This Person does not exist, Github

This Artwork does not exist, Github


GAN Inventor Ian Goodfellow, 2016

AIArtists.org


|0|0|0|0|00|0|0|0|0|0|00|0|0|0|0|0|0|00|0|0|0|0|0


Du hast Fragen über Fragen und/oder interessierst Dich für das Projekt? Sehr gern via: unmaskatform-f.art