earticle

영어

This study focuses on the meaning and characteristics of video images generated by the machine learning algorithm StyleGAN2 using my image datasets. I will examine my intention and concepts with regard to image data using the randomness characteristic of the StyleGAN2 algorithm. The contents and materials of the image datasets are the basis to determine the meaning of the work overall. In this paper, I focus the characteristics of the resulting images generated by the machine learning algorithm StyleGAN2. In particular, a meaningful particularity is presented in the generated resulting images from archive image data and art history slide data. Based on the working process of StyleGAN2 and on the image datasets, I intend to define the computational creativity of the machine learning algorithm as “bestowed creativity” that serves to generate novel aesthetic images without direct human manipulation. In a sense, because my image data conveys my ideas and concepts as they pertain to the generated results, the main creator is the artist (me), but I would like to share the creativity with the machine learning algorithm to which the concept of ‘bestowed creativity’ is given. At the same time, I am willing to extend the possibility of works using machine learning algorithms and examine the corresponding technological particularity and limitations. I would like to share the definition of “bestowed creativity” with computational creativity from an artistic conceptual perspective.

한국어

본 연구는 이미지 데이터에 머신러닝 스타일간2(StyleGAN2) 알고리즘을 적용하여 생성된 영상 이미지 작업의 특성과 의미에 대한 고찰이다. 특히 이미지 데이터의 속성에 관계된 본 연구자의 작업 주제와 문제의식을 스타일간2 알고리즘의 역할과 무 작위적 특성과 연관하여 살펴보고자 한다. 스타일간2를 활용한 작업을 위해 본 연구자는 작업 주제와 소재가 되는 아카이브 이미지 데이터들을 수집하고, 영상 기록을 이미지 데이터로 변환하였다. 그리고 작업 주제와 개념에 따라 분류하고 스타일간2 에 적합하도록 이미지 데이터의 해상도와 크기 등을 조정한 후, 머신러닝 스타일간2 알고리즘 훈련(training)을 거쳐 모델 (model) 이미지와 영상을 생성(generate)하였다. 그렇게 생성된 모델에 이미지 데이터들을 다시 훈련하게 하는 과정을 반복하 여 새로운 모델 이미지와 영상 결과물을 산출하였다. 이러한 작업에서, 이미지 데이터 세트의 내용과 소재는 머신러닝 스타일 간2를 활용한 작업의 의미를 결정하는 데 가장 중요한 근거가 된다. 특히 본 논문 연구작업에서 아카이브 이미지 데이터와 미술사 슬라이드 데이터를 활용하여 생성된 이미지 결과물들은 작가의 작업 개념 및 의도와 연관된 의미 있는 특성들을 표현 한다. 이러한 특성들을 생성하는 머신러닝 알고리즘 스타일간2의 역할에 대해 본 연구자는 기존에 통용되는 알고리즘의 전산 적 창조성(computational creativity)의 맥락에서 ‘양도적 창조성’(Bestowed Creativity)이라는 용어를 창안한다. 이 새로운 용 어는 작가(연구자)의 창조성을 스타일간2 알고리즘의 역할과 어느 정도 공유한다는 의미를 지니고 있으며, 작가의 창조성 일 부를 양도한다는 맥락으로 제시하는 것이다. 궁극적으로, 이러한 과정을 통해서 머신러닝 스타일간2 알고리즘의 기술적 특성 과 역할 등을 살펴보고, 본 연구자의 작업 확장 가능성을 가늠하고자 한다.