すべてのウェス・アンダーソン映画を競合他社と区別することが 1 つあるとすれば、それらは純粋にアンダーソン的、つまりすぐにそれと認識できるということです。
しかし、映画の個々のフレームを見たときに「ああ、でもこれは間違いなくウェス・アンダーソンだ」と叫ばせるような視覚的な構造、色、テーマ、動機は何ですか？ロイヤル テネンバウムズまたはザ・ライフ・アクアティック?
つまり、執拗な対称的な構図から超現実的/奇妙/奇抜なキャラクター、信じられないほど広大なカラーパレットから繰り返される家族のテーマに至るまで、アンダーソンの特異なスタイルについてはおそらく誰もが知識に基づいた推測をすることができます。
しかし、彼の映画を分析するための客観的で迅速かつ信頼できる方法があったとしたらどうでしょうか?アートワークに対する誤った個人的なアプローチに必ずしも依存しないものですか?
それが、ソフトウェア開発者兼デザイナーであるヤニック・アソグバ氏を突き動かしたものです。機械学習を使用してアンダーソンの視覚的モチーフを調査する、特に、Google が開発した「Inception V3」として知られるディープ ニューラル ネットワークです。
「私はウェス・アンダーソンの映画のファンで、いつも彼のスタイルが興味深いと思っていたので、彼の映画を別の見方で見ることができる何かをしたかったのです」と彼は語った。マッシュ可能。
アッソグバはアンダーソンの 4 本の映画をプロジェクトのソースとして使用しています。ザ・ライフ・アクアティック、ロイヤル・テネンバウムズ、ファンタスティック・ミスター・フォックス、 そしてムーンライズキングダム --そこから 10 秒ごとに 1 フレーム、合計 2,309 フレームのサンプルを抽出します。
クレジット: 注目の機能
機械学習の「学習」という言葉からわかるように、ニューラル ネットワークは、トレーニング プロセス後にどの情報が自分に関連するかを学習し、その入力データに基づいて表現を構築する機能を備えたプログラムです。
「トレーニング中に、何十万ものラベル付き（つまり分類された）画像がネットワークに供給され、ネットワークが既知の画像のラベルを正確に予測するまで、ノード間の接続の強度が継続的に調整されます」とAssogba氏は説明します。
アンダーソンの映画に対する最初のテストの 1 つは色に関するものでした。
Assogba は、映画の各ピクセルを生成するために使用される赤、緑、青の光の量を記録することによってマトリックスを構築しました。結果は非常に魅力的です。
クレジット:
で月光王国たとえば、いくつかのクラスターが明確にハイライト表示されます。青みがかった暗いシーン、地平線が青みがかった黄色と茶色、黄色のハイライトで彩度が低く、警告緑と黄色が表示されます。それは正しいと思いませんか？
Mashable のトップ ストーリー
しかし、他のフィルムを追加するとどうなるでしょうか?いくつかの視覚的なモチーフが際立っています。
クレジット: chrome.info
たとえば、強い青みがかったフレームのグループ (リッチーの自殺未遂事件)テネンバウムズでの海賊の襲撃ライフアクアティック）または強い赤、または青みがかった暗いシーン、または前景または背景の暗いシーン。
ここまでは順調で、椅子に飛び上がるようなことは何もありません。しかし、映画の中で色ではなく物理的なオブジェクトを扱うと、物事はさらに複雑になり（そして面白く）なります。
Assogba で使用される深層学習モデルである Inception V3 は Google によって作成され、ImageNet として知られる動物、家電、鳥、家具、人物などのラベル付き画像のコレクションでトレーニングされます。
これは、ニューラル ネットワークがトレーニングされ、これらのカテゴリのうち 1,000 のオブジェクトを認識できることを意味します。それをウェス・アンダーソンの映画に当てはめるとどうなるでしょうか？
クレジット: chrome.info
そうですね、アッソグバ氏が指摘するように、いくつかの陽気なアンダーソン風のテーマが際立っています。
- テント
- テレビ画面
- 棚
- 車
- テキストとタイトル
- 歩道上の人物
- 分割画面構成
おそらく、細部への注意深い目と彼の芸術の基本的な理解を持ってアンダーソンの映画を鑑賞する人にとって、これらの繰り返しのオブジェクトは非常に自明であると主張することができます。しかし、違いもあります。
「大きな違いは所要時間だと思います。映画を（繰り返し）見て記憶やメモに頼るのではなく、機械はたくさんの異なる映画からの何千枚もの画像を見て、それらを素早く比較できます。 」と彼は言いました。
「それは、人間が注目すべき類似点や並置を示唆することができます。あるものは私たち自身が発見するものであり、他のものはアルゴリズムやモデルの不完全さのために驚くべきものや詩的なものかもしれません。」