Добавленно в избранное
Ошибка!
Вход/Регистрация

Как научить искусственный интеллект «чувствовать» композицию?

ДИСТАНТ
ПЛОЩАДКА МЦА
Python
Компьютерное зрение
Машинное обучение
Классификация
Обработка изображений
Автоматизация

Описание проекта

В живописи и искусстве, как и в любой профессиональной сфере деятельности, есть свои правила, принципы и даже эталоны. Постижение этих правил и принципов закладывается во время обучения в художественных школах и университетах, специализирующихся в области архитектуры, дизайна и искусства, а иногда оно формируется у художников самостоятельно в процессе творчества. Обучение предусматривает постоянное совершенствование: овладение конкретным знаниями и умениями, выработку навыков. Часто всё начинается с простых штрихов и зарисовок карандашом, и постепенно переходит в упорный труд, бессонные ночи, дополнительные курсы, по окончании которых можно действительно стать настоящим профессионалом.
В процессе становления обучающемуся крайне важно отслеживать собственную динамику. Педагогам или наставникам также важно постоянно наблюдать за учениками: понимать их, раскрывать их потенциал, приучать к труду.
Искусственный интеллект уже активно входит в нашу жизнь. Скоринговые системы рекомендуют тех, кому стоит выдавать кредиты, сервисы рекомендуют нам то, что мы бы хотели приобрести. Но возникает вопрос: можно ли доверить творческий процесс становления художника, дизайнера или архитектора современному искусственному интеллекту? А если и можно, то как научить этот интеллект чувствовать композицию, её сбалансированность и гармоничность? В рамках Мастерской команде проекта предстоит обучить ИИ определять по конкретному рисунку его сбалансированность и композиционный баланс.
В перспективе результаты проекта могут быть использованы для динамического отслеживания процесса развития навыков у будущих художников, дизайнеров и архитекторов.

Задание, приложенное ниже, представляет собой iPy-ноутбук, в частности, писать код нужно будет на языке Python3 в том же, что и задание, файле. В текстовых ответах можно использовать Markdown и LaTeX. Для того, чтобы открыть ноутбук, вы можете или установить (на Windows) Jupyter Lab (через Anaconda3), или использовать бесплатный ресурс Colaboratory от Google.

Требования к участникам

  • Желание и умение учиться;
  • базовые навыки программирования Python (циклы, массивы, функции, использование библиотек Numpy, Matplotlib, Pandas);
  • знание базовых алгоритмов и структур данных;
  • интерес к области машинного обучения (достаточно ознакомления с информацией, которая будет прочитана участникам проекта на первой неделе Мастерской).
Задание

Команда проекта

Багрова Наталья Викторовна
Заказчик
д-р культурологии, Ректор, Новосибирский государственный университет архитектуры, дизайна и искусств имени А.Д. Крячкова
Сергеев Кирилл Сергеевич
Куратор
Студент Механико-математического факультета, Новосибирский государственный университет
Пискеева Дарья Алексеевна
Куратор
Студент Инженерной школы, Новосибирский государственный университет
Морозова Ольга Владимировна
Эксперт
к.арх.н., Директор Научно-образовательного центра, Новосибирский государственный университет архитектуры, дизайна и искусств имени А.Д. Крячкова