Zoek op trefwoord in al mijn blogartikelen

Posts tonen met het label Esthetisch. Alle posts tonen
Posts tonen met het label Esthetisch. Alle posts tonen

vrijdag 1 mei 2020

Wild fotograferen, esthetiek versus ethiek

Op Instagram, Flickr en andere (social) media zie je vaak de mooiste foto’s van wild voorbijkomen maar dankzij Paul Bertner vraag ik me wel steeds vaker af hoe die foto’s eigenlijk zijn gemaakt. 
Zijn persoonlijke ontboezemingen op ‘The Con in Conservation’ bijvoorbeeld openden mijn ogen voor wat betreft menselijke tussenkomst en hoe dieren eigenlijk worden beïnvloed.

Eigenlijk wist ik natuurlijk wel dat er een glijdende schaal bestaat, helemaal als het gaat om commerciële organisaties die fotosafari’s organiseren maar ik ben me er nu wel meer van bewust. Uiteraard wil iedereen de mooiste foto’s van wilde dieren maar hoe ver mag je daarin gaan? Mag je het geluk afdwingen?
De voorbeelden die Paul aanhaalt stuiten mij in ieder geval tegen de borst; een slang langdurig vasthouden en zo neerleggen totdat de compositie en belichting precies goed is of insecten meenemen om later bij de lodge te fotograferen met een uitgebreide flitsinstallatie. Esthetiek ging in die voorbeelden duidelijk boven de ethiek terwijl de betreffende organisaties die juist beweren na te leven/streven.

Met de nieuw opgedane kennis voel ik dan ook de behoefte om er iets mee te doen en daar past de oproep van Paul om verantwoording af te leggen goed bij. Hij is daarvoor in 2017 het Ethical Exif initiatief gestart op facebook, later nader uitgewerkt op zijn blog.

Ethical Exif houdt in dat je transparant bent over de situatie waaronder een foto is genomen. De betreffende informatie is kort en bondig en wordt als watermerk op je foto gepubliceerd, vergelijkbaar met wat vaak gedaan wordt met Exif gegevens zoals brandpuntsafstand, sluitertijd e.d. Vandaar ook de naam ‘Ethical Exif’. Deze informatie wordt dus openlijk getoond op de foto en dus expliciet NIET verborgen in de metagegevens van de foto. Die kan namelijk verloren gaan tijdens het delen terwijl dit bij een watermerk veel minder snel/gemakkelijk gaat.

Paul geeft zelf geen norm aan, over wat goed is en wat niet. Dat verandert namelijk voortdurend en met de inzichten van vandaag zijn zaken fout die gisteren nog goed waren. Het enige wat je wél kunt doen is duidelijkheid verschaffen over de omstandigheden waaronder een foto is gemaakt, dan kan de kijker zelf beoordelen of hij dat goed of fout vindt.

Tenslotte: Als kijker heb je invloed op het gedrag van fotografen door de likes die je uitdeelt op social media. Als het gedrag van de fotograaf niet in overeenstemming is met je eigen normen zul je dat minder snel stimuleren dan wanneer je het niet weet.

De elementen die Paul heeft geïdentificeerd als zowel relevant als belangrijk zijn als volgt:

1) 🄷 - Gezondheidsschaal / stressniveaus (schaal 1-9 met ☠️, de dood van het subject in plaats van 10)

2) 📷 – Gefotografeerd op de plaats waar het subject is gevonden

3) 🖐- Manipulatie van het onderwerp (in het veld of in een studio), dit symbool komt dan in plaats van 📸

4) ⏳ - tijd in gevangenschap

5) 👣 - translocatie (vastleggen, transporteren en vrijgeven van een onderwerp van de ene locatie naar de andere)

6) 🎨 - Gebruik van klonen of uitgebreide nabewerking

7) ↺ - Beeldrotatie

8) - Afspelen van geluiden (voornamelijk gebruikt in vogelfotografie, de wetenschap heeft momenteel geen uitsluitsel over de langetermijngevolgen voor gedrag)

Criteria voor de gezondheidsschaal waarmee de numerieke 🄷-waarde wordt bepaald:

🄷1 - Het onderwerp is zich niet bewust van de aanwezigheid van de fotograaf, houdt zich bezig met normale, ongestoorde activiteiten.

🄷2 - Het onderwerp is op de hoogte van de aanwezigheid van de fotograaf, maar negeert of is gewend aan de aanwezigheid van de fotograaf en vertoont normaal gedrag.

🄷3 - Het subject is op de hoogte van de aanwezigheid van de fotograaf en past zijn gedrag als gevolg daarvan aan (geen onmiddellijk lichamelijk letsel).

🄷4 - Fotograaf houdt zich bezig met het onderwerp bijv. Manipulatie van positie, translocatie naar een studio-omgeving, enz. Maar zonder fysiek bewijs van schade aan het onderwerp.

🄷5 - Defensieve stressreactie Bijv. Opvallend / defensief gapend

🄷6 - Fysiologische respons die het verlies van fitheid op korte termijn beïnvloedt, bijv. braken, tonische onbeweeglijkheid.

🄷7 - Fysiologische respons die het verlies van fitness op de middellange termijn beïnvloedt zoals het verlies van ledematen en andere fysieke schade (herstelbaar).

🄷8 - Onmiddellijke catatonie of niet reageren op manipulatie, langdurig verlies van fitheid - Heropleving en gedeeltelijk herstel na zorg en stressvrije omgeving.

🄷9 - Onmiddellijk niet reageren op manipulatie, gedeeltelijke opwekking maar met permanent verlies van fitheid.

☠️ - Dood van onderwerp

Een voorbeeld van een foto die ikzelf gemaakt heb waarin een dier duidelijk gemanipuleerd werd is hierboven ingevoegd. Het betrof een Piranha die in Peru door onze gids werd gevangen om ons te laten zien. Hij werd ter plekke uit het water gehaald en misschien een halve minuut boven water gehouden en daarna weer teruggezet. Vandaar een camera (gefotografeerd op de plaats waar hij werd gevonden) en 🄷4 omdat het dier duidelijk gemanipuleerd werd voor wat betreft zijn positie maar omdat hij snel weer teruggezet werd hoogstwaarschijnlijk geen schade.


Mochten de gehanteerde symbolen niet goed leesbaar zijn op deze blog dan kun je hier een PDF downloaden van dit artikel.

vrijdag 8 februari 2019

AI in Fotografie




AI staat voor Artificial Intelligence en dat betekent weer zoiets als kunstmatige intelligentie. En ja, die kan ook worden gebruikt binnen de fotografie zoals ik al eens schreef (Mooie foto’s zoeken).

Zoeken is niet altijd vinden
Ik ben al vaker ingegaan op het weer terugvinden van foto’s en tot voor kort was het belangrijkste gereedschap de trefwoorden die je aan de foto mee had gegeven. Geen trefwoorden, dan moest je de foto’s stuk voor stuk optisch ‘scannen’.

Bij het meegeven van trefwoorden is de discussie vaak of je dan ook het meervoud en vervoegingen moet meegeven voor een beter zoekresultaat. Zoek je op foto’s waar boeken op staan dan is het veilig om te zoeken op ‘boek’ omdat dan automatisch ook de foto’s met het trefwoord ‘boeken’ tevoorschijn zullen komen. Er zijn echter ook talloze woorden die niet simpelweg ‘verlengd’ worden om er meervoud van te krijgen. Neef/Neven, Meer/Meren, Datum/Data, etc.

En wat denk je van synoniemen? Het is erg veel werk om die allemaal te verzinnen voor een bepaald onderwerp en die vervolgens als trefwoord mee te geven. Dit terwijl de kans erg groot is dat wanneer je een bepaalde foto zoekt je op dat moment een ander trefwoord gebruikt om te zoeken (Milieu) dan dat je oorspronkelijk aan de foto hebt meegegeven (Natuur). 
Met betrekking tot de dilemma’s die dit oplevert schreef ik 10 jaar geleden het artikel ‘Kewording’ en waarvan de kern is: laat de zoekmachines zich druk maken om vervoegingen, meervoudsvormen en vertalingen van trefwoorden. Dat kon toen nog niet maar tegenwoordig hebben we AI, toch?

Met de beeldherkenningsalgoritmes van AI zou de computer je moeten kunnen vertellen wat er op een foto staat en hoewel dat nog niet volledig lukt worden er wel resultaten geboekt. De overheersende kleur bijvoorbeeld kan al vrij lang worden herkend en het wordt steeds nauwkeuriger. Gezichtsherkenning, welke voorwerpen er op de foto staan en in wat voor omgeving de foto is gemaakt.

En tenslotte heb je nog conceptuele begrippen als geluk, toekomst e.d. Zelf heb je natuurlijk direct een bepaald beeld bij een foto die je gemaakt hebt maar iemand anders heeft dat niet automatisch. Het is dan ook heel waardevol om dit soort conceptuele begrippen meteen als trefwoord, titel of omschrijving mee te geven omdat dit het aller lastigst is voor de computer (lees AI) om te herkennen. Echter maakt AI ook op dit vlak vorderingen!

Voorbeelden
Onderdeel van Adobe’s CC suite (Creative Cloud) is hun zoekengine ‘Sensei’. Ikzelf heb het fotografie abonnement (Lightroom en Photoshop) en wanneer ik foto’s synchroniseer met de cloud kan ik daar foto’s terugvinden met trefwoorden die ik nooit aan foto’s heb meegegeven. In onderstaand voorbeeld bijvoorbeeld. Daar heb ik gezocht op ‘toekomst’ met 1 foto in het zoekresultaat:



Volledigheidshalve: ‘toekomst’ had ik dus niet als trefwoord meegegeven:



Kortom, de algoritmes van Adobe hebben deze foto dus gekoppeld aan het begrip ‘toekomst’ en ik moet zeggen dat ik daar wel wat logica in zie. Daar staan overigens ook weer zoekresultaten tegenover waar ik minder tevreden over ben maar de algoritmes worden steeds beter en je kunt er zelf meteen feedback op geven:


Een tweede functie die Adobe sinds kort beschikbaar stelt als ‘Technology preview’ is het zoeken van de beste foto in een album. Dit wordt ook gedaan op basis van AI algoritmes:

Deze Adobe technologie is helaas alleen online beschikbaar. In de ‘Classic’ editie van Lightroom werkt het helaas niet en ik betwijfel ook of het daar in komt. Lightroom Classic CC maakt weliswaar onderdeel uit van de CC abonnement maar wellicht is het lastig om de Sensei technologie te ontsluiten in desktop applicaties.

Online werken de algoritmes best goed en het is leuk om te zien dat Lightroom andere keuzes maakt in wat je beste foto’s zijn dan jezelf. Zoals je hier ziet staan er weliswaar twee foto’s tussen die ikzelf met 5 sterren had gewaardeerd maar er waren er nog twee in hetzelfde album maar die slaat Lightroom dus over ten gunste van andere foto's die ikzelf met 3 of 4 sterren had gewaardeerd. 
Je kunt overigens invloed uitoefenen in wat Lightroom als zoekresultaat toont:
  • Zo kun je de drempel aanpassen waardoor je meer of minder resultaten krijgt
  • Je kunt je eigen sterwaardering mee laten wegen 
  • En je kunt foto’s waar mensen op staan zwaarder mee laten wegen 

Ook andere partijen maken gebruik van AI algoritmes om foto’s te vinden. 

  • Zo maakt Excire een plugin voor Lightroom Classic CC voor het automatisch toevoegen van trefwoorden en iedereen kent GoogleImage Search natuurlijk wel, daar schreef ik eerder dit artikel over met dit voorbeeldfilmpje.
  • Microsoft gebruikt AI om automatisch transcripts te maken uit video- en audiobestanden op SharePoint en OneDrive locaties (link).
  • Colourise kleurt zwart foto's in met behulp van AI (link).
  • ON1 gebruikt AI om de ontwikkelinstellingen van Lightroom te reconstrueren binnen ON1 Photo Raw 2019 (link)

Onderzoek naar algoritmes
Vanuit onderzoek aan de universiteit van Pennsylvania is Acquine ontstaan, Aesthetic Quality Inference Engine. Deze is (op dit moment in ieder geval) publiekelijk toegankelijk en je kunt je foto’s uploaden om te laten beoordelen (link) op esthetische kwaliteiten:

In dit geval geeft Acquine mijn foto drie sterren. Ik zou de waardering aan kunnen passen en daarmee geeft ik feedback waarmee het algoritme verder wordt ‘getraind’.
Acquine stelt ook een iets andere uitsnede voor maar het verschil is (in dit geval) heel klein.

De onderzoekers beschrijven Acquine het als een eerste stap om te herkennen hoe mensen reageren op beeldmateriaal en de engine moet beschouwd worden als een demo van de theorie die de onderzoekers publiceren in deze paper: pdf. Zeker de moeite van het lezen!

Een tweede interessante bron waar ik tijdens het schrijven van deze blog op terecht kwam is de pagina van James Z. Wang (link).


Wang verwijst naar zowel Acquine als andere interessante ontwikkelingen op het gebied van ‘content based image search’ en ‘automatic learning-based indexing’ als Oscar, Alipr, Story Picture Engine, Imagination Captcha, Simplicity, Art and Cultral Heritages, Sattelite Imagery, Virtual Microscope, Clue, Unified Feature Matching, Wipe, a-LIP etc.

Hij geeft aan dat de Riemann Hypothese in al deze onderzoeken een belangrijke rol speelt:


James Wang schrijft “We zijn geïnspireerd door het feit dat de Riemann-hypothese nog steeds een van de belangrijkste onopgeloste problemen in de wiskunde is. Daarmee is Intelligente media notatie een van de belangrijkste onopgeloste problemen in computer- en informatiewetenschappen. Wij proberen dit aan te pakken”.

Kortom, we kunnen op dit vlak de komende tijd nog veel verwachten.