Stein og kretskort
Denne siden dokumenterer arbeidet med å finne et visuelt uttrykk til porteføljen, og er like mye en metode som et resultat. Oppgaven var å blande to billedhistoriske uttrykk som nesten hadde noe til felles: bysantinsk gullmosaikk og kretskort. Begge har kvadratiske grunnformer og skinnende metall, gull mot kobber. Spørsmålet var om de lot seg blande.
Ti runder ble kjørt, åtte av dem står her — hver med bildet, prompten og hva som ble endret siden forrige runde, slik at virkningen kan tilskrives den enkelte endringen. Bildene ble målt underveis, og målingen tok feil ofte nok til at det ble et funn i seg selv. To av dem ble til slutt animert, og modellen la inn lys som ikke fantes i stillbildet. Siden ender i «Tre ting vi lærte» — reglene som holdt, og som er det vi tar med videre neste gang en generativ modell skal styres.
Når det står «måling», er dette maskinell måling av kvaliteter ved bildene — farger, former og så videre — gjort i Python.
Både bilder av bysantinsk mosaikk og kretskort
abstract texture, tessellated grid dissolving into fine conductive traces, warm metallic light on a cool dark field --sw 300
Tre mosaikkbilder og tre kretskort som referanse. Kretskortene tok formen fullstendig: resultatet er mikrobrikkelayouter. Men fargen ble varm messing, ikke kald — prompten ba uttrykkelig om «cool dark field» og fikk 0,2–1,2 % kalde piksler. Teksten tapte mot bildene på farge.
Bare kretskort
abstract texture, dense copper pathways and etched geometry, macro detail, cool ground --sw 300
Samme motiv som runde 01, men helt andre farger: magenta, cyan og lilla, tre til sju ganger mer kaldt enn forrige runde. Det er den ekte fargen i et makrofoto av silisium. Mosaikkbildene i runde 01 hadde altså dempet den.
«Minner litt om tv-flimmer fra 80-tallet. Det er kult, men litt crazy.»Åsmunds dom
Bare mosaikk
abstract texture, tesserae grid on a gold ground, hand-set irregularity, worn surface
Tre av fire bilder ble kors. Teksten var nesten en ordrett beskrivelse av ett bestemt referansebilde — et bysantinsk kors fra Cleveland Museum of Art — og modellen leverte fire varianter av nettopp det.
Det fjerde bildet, oppe til høyre, har ingen ornamentikk. Bare flate. Dette var det som ble best likt av Åsmund.
Åtte nye referansebilder, ornament ble forbudt
tesserae field, small hand-cut stone units, even surface, worn, no ornament, no medallion, no centre, no figures, no text --sw 300
Åtte nye referanser ble høstet med et skript: rene geometriske gulvmosaikker, filtrert på lisens og på hvor flate de er. Prompten forbød uttrykkelig ornament, medaljong og midtpunkt.
Resultatet har en medaljong midt i bildet, rammer rundt hvert felt og bordmønstre langs kantene. Alle tre tingene som var forbudt.
Samme bilder, ny tekst
continuous allover tesserae field, same density corner to corner, cropped mid-field, small hand-cut units, worn --sw 300
Nøyaktig samme åtte referanser og samme stilvekt. Bare teksten er endret: forbudene er byttet ut med en beskrivelse av det ønskede utsnittet. Alle fire går nå fra kant til kant uten fokuspunkt.
Men kretskortene er fortsatt borte. Tre runder gikk med til å lete etter årsaken i bildeutvalget og stilvekten — halvert stilvekt, endret forholdstall mellom bunkene — uten at noe endret seg.
Tilbake til teksten som virket
abstract texture, hand-cut stone tesserae covering most of the field, fine conductive traces emerging along one edge, warm metallic light --sw 300
Vendepunktet kom da Åsmund pekte tilbake på runde 01 som den mest vellykkede blandingen. Midjourney lagrer hele prompten inne i PNG-fila, så den lot seg lese av igjen — og den hadde bedt om blandingen i klartekst: et tesserae-rutenett som løser seg opp i fine ledningsbaner. Rundene 04 og 05 nevnte bare mosaikk. De ba om ren mosaikk og fikk ren mosaikk.
Her er runde 01s tekst kjørt på nytt med de nye geometriske referansene, og med hvor de to møtes sagt uttrykkelig. Hver rute har ekte håndsatt stein og et bånd av forgylte kretsbaner langs en kant, i én felles palett.
Bildet som ble valgt
Fargene i denne siden er hentet ut av dette bildet med ffmpeg palettegen og deretter justert til de måler: mørk oliven på lys kalkstein gir 13,8 i kontrast, langt over kravet på 7 for høyeste nivå. Gullet i kretsbanene måtte mørknes fra #a68868 til #7F5F28 for å kunne bære tekst.
Bildet selv står bare der det ikke er tekst oppå. En mosaikk går fra nesten svart til nesten hvitt innenfor noen centimeter, og ingen tekstfarge holder kontrast over hele flaten.
Runde 01 en gang til
abstract texture, tessellated grid dissolving into fine conductive traces, warm metallic light on a cool dark field --sw 300
Etter at bildet var valgt og siden bygget, ble runde 01 kjørt en gang til av ren nysgjerrighet. Teksten er den samme, med to endringer: forbudene er strøket, og de tre mosaikkreferansene er byttet ut med tre nye. De tre kretskortreferansene er de samme som i runde 01 — det er lest av PNG-filene, ikke husket.
Kretskortene tok formen igjen, som i runde 01. Men denne gangen har de tatt opp i seg bysantinsk komposisjon i stedet for tekstur. Alle fire er bygget symmetrisk rundt et midtpunkt: et kors, en rombe stilt på høykant, en nøstet firkant — og nederst til høyre en medaljong med rosett i et innrammet felt. Det er grunnplanen i et mosaikkgulv, tegnet i silisium.
Medaljongen er verdt et blikk. I runde 04 ble den uttrykkelig forbudt og kom likevel. Her spurte ingen etter den, og den kom igjen.
«Litt rar, men også litt kul.»Åsmunds dom
Tre ting vi lærte
Rundene over er åtte forsøk på det samme. Dette er det de svarte.
-
Be om det du vil ha, ikke det du ikke vil ha
«no medallion» ga en medaljong. «no text» ga bokstavene RAD i klartekst. Skal noe holdes ute, må det man vil ha i stedet beskrives — i runde 05 var «cropped mid-field» det som faktisk fjernet midtpunktet.
-
Bildene bestemmer stilen, men teksten bestemmer innholdet
Runde 04 og 05 er det rene beviset: samme åtte referanser, samme stilvekt, bare teksten forskjellig — og komposisjonen snudde helt. Motsatt vei gjaldt det samme: ingen endring i bildeutvalget fikk kretskortene tilbake, fordi teksten ikke lenger nevnte dem.
-
Målingen har blindsoner
Underveis lot vi et lite skript rangere bildene etter hvor rolige de er. Det krympet hvert bilde ned til 24 piksler og målte hvor mye lysstyrken varierte fra piksel til piksel: jevn flate ga lav verdi, urolig flate høy. Rangeringen stemte med øyet hele veien — helt til runde 04. Der fikk det tettest ornamenterte bildet i hele settet den laveste uroverdien vi har målt.
Forklaringen er at målingen bare ser om flaten er jevn. En mosaikk med like store steiner er jevn, og da kaller den den rolig. At steinene til sammen danner en medaljong med rammer og bord rundt, oppdager den ikke. Den vet ikke hva et ornament er.
Hvordan dette er dokumentert
Promptene på denne siden er ikke skrevet ned i ettertid. Midjourney legger hele teksten som ble kjørt inn i selve PNG-fila, sammen med lenkene til referansebildene, stilvekten og et jobbnummer. Åpner du bildet igjen, kan du lese av nøyaktig hva som ble bestilt. Det var slik teksten fra runde 01 ble funnet igjen — og det var den som gjorde vendepunktet mulig.
Referansebildene ble hentet av et eget skript fra Wikimedia Commons, Cleveland Museum of Art og The Met. Skriptet slipper bare gjennom bilder som er frie å bruke — aldri ShareAlike — og sorterer resten etter oppløsning og etter hvor flat bildeflaten er.
Bildene i bevegelse
Begge bildene fra runde 06 ble animert, fire klipp av hver. De fire steinklippene ser like ut i et stillbilde, og målingen ga dem nesten samme verdi — men de gjør fire forskjellige ting. Det er en fjerde påminnelse om at tallet ikke ser det øyet ser.
Det mest påfallende er noe ingen ba om: i tre av de fire steinklippene legger modellen inn lys som ikke finnes i stillbildet — streker og glimt som vandrer over flaten.
Klippene starter når du trykker, og bare ett spiller om gangen. Strekene mellom steinene dirrer i alle fire — det ligger i kildevideoen, ikke i komprimeringen: originalfilene på 11 MB har samme uro mellom nabobilder som versjonene på en halv. Et tett, regelmessig rutenett er verst tenkelige tilfelle for en videomodell.