Тотемный годослов / Totemic godoslov ArtTECH NUST MISIS

Тотемный годослов Ольга Оленева, Дмитрий Дем, Ангелина Амброс, Камиля Юсупова Интенсив: Нейронные сети в искусстве Преподаватель: Вадим Эпштейн Кураторы: Александр Сереченко и Екатерина Пряничникова Идея проекта возникла на основе существования такой забавной вещи, как славянский гороскоп, который еще называют годослов. Зрителю будет предложен знак и предсказание. Для получения знака будет использован алгоритм обнаружения объектов (например, YOLO), который будет обучен на фейковом датасете лиц, распределенных по категориям случайным образом. У зрителя есть возможность подтвердить или опровергнуть правильность решения алгоритма, с помощью двух кнопок, которые будут располагаться на стойке перед ним. Предсказание сгенерировано сетью для работы с текстом GPT-2. С помощью Text to image мы получили картинки для всех знаков, которые затем были обработаны с помощью Style-Transfer (vgg19) (в дальнейшем будет использоваться StarGan2), для переноса получившегося изображения на видео с камеры пользователя. Проект создан в рамках магистратуры «Технологическое искусство» в НИТУ «МИСиС», 2022 год ———————————— Totemic godoslov Olga Oleneva, Dmitriy Dem, Angelina Ambros, Kamilia Usupova Workshop: Neural networks in Art Teacher: Vadim Epstein Curators: Alexander Serechenko and Ekaterina Pryanichnikova The idea of the project arose on the basis of the existence of such a funny thing as the Slavic horoscope, which is also called the godoslov. The viewer will be offered a sign and a prediction. To obtain the sign, an object detection algorithm (for example, YOLO) will be used, which will be trained on a fake dataset of persons randomly distributed into categories. The viewer has the opportunity to confirm or deny the correctness of the solution of the algorithm, using two buttons that will be located on the counter in front of him. The prediction is generated by the network GPT-2 for working with text. Using Text-to-Image, we obtained images for all the characters, which were then processed using Style-Transfer (vgg19) (StarGan2 will be used in the future) to transfer the resulting image to video from the user’s camera. Commisioned by ArtTECH — NUST MISIS Master Program 2022