이세돌과 알파고가 숙명의 대결을 벌이던 3월 다른 한켠에서는 아티스트를 위한 머신러닝 워크샵이 있었다.
http://ml4a.github.io/classes/itp-S16/
이 워크샵에선 CV와 머신러닝등을 이용한 다영한 가능성을 보여주고 있다. 이와 같은 이미지 생성을 가능하게 머신러닝 알고리즘을 제공하는 툴이 Torch (http://torch.ch/) 이다. Torch 를 이용한 다양한 작업 중 가장 눈길이 가는 두가지를 테스트 해 보았다.
Colorization
http://hi.cs.waseda.ac.jp/~iizuka/projects/colorization/en/
흑백사진을 컬러사진으로 바꿔주는 신박한 툴이다. 위 링크에서 작동원리와 논문까지 볼 수 있으므로 자세한 내용은 링크를 참고하면 좋을 듯 하다. 몇개의 사진을 테스트 해봤는데 확실히 풍경이나 전체적으로 사물을 인지 할 수 있는 이미지들이 훨씬 잘 변환 되는 것을 볼 수 있다.
얼굴만 있거나 클로즈업 샷은 사물이 분간이 안되므로 변환이 잘 안 되는 듯 하다.
개인적으로 이번 테스트에서 베스트샷 이다. 뭔가 실제 하지 않는 어둠속에 생기를 불어 넣은 느낌이랄까??? 하다 보면 신기해서 자꾸만 하고 싶어진다.
원래 컬러사진을 흑백으로 바꾼 샘플이 있어 테스트 해 보았다. 확실히 디테일한 부분 까지 정확하게 변환은 안되어진다. 그럼에도 스쿨버스임을 판단하여 노란색을 선택한 것만 봐도 사물인식이 어느정도 정확한지 알 수 있다.
Neural Style
https://github.com/jcjohnson/neural-style
얼마전 ‘인공지능이 그림을 그리게 될 것이다’ 라는 제목으로 올라온 기사의 원 출처이다. 이런 기사를 보면 얼마나 기자들이 유행에 민감한지 알 거 같다. 사실 이러한 작업이 비단 올해만 있었던 것도 아니거니와 전혀 인공지능과는 관계가 없음에도 불구하고(neural networks를 인공지능 이라고 볼 수 있나?) 알파고 인기에 편승해보려는 꼼수가 참 아쉽다.
여튼 이 역시 자세한 내용은 링크에 잘 나와 있으므로 참고 할 수 있다.
Colorization 과는 다르게 많은 CPU 처리를 필요로 해 결과물을 뽑는데 상단한 시간이 걸렸다. CUDA 를 이용한 GPU 를 사용 할 수 있어 사용해 보려 했으나 아쉽게도 1G VRAM 에서는 out of memory 가 되어 테스트 해 볼 수 없었다.
해외에서라도 끊임없이 연구 개발되는 알고리즘과 기술 들을 이렇게 공개해 사용하고 연구 할 수 있어 미디어 작업을 하는 한 사람으로서 참으로 감사하다. 개인적으로도 더욱 작업에 매진해 조금이나마 이들의 공에 보답하고 싶다.
Links
Logo Detect – https://sewonist.com/?p=4230
Facedetect with CUDA – https://sewonist.com/?p=4220