from《NTFs and CryptArt-Experiment》 Venue: From the solo exhibition “rhizomatiks_multiplex” (Museum of Contemporary Art Tokyo, 2021) https://www.mot-art-museum.jp/en/exhibitions/rhizomatiks/ This installation uses event data from Opensea from one day before and after 3/11 10am EST, when MetaKova won Beeple’s NFT at Christies for $69,346,250. It looks back on this highly symbolic event in CryptoArt using machine learning techniques (Convolutional Neural Network, t-SNE) and data visualization. from《NTFs and CryptArt-Experiment》 Venue: Solo Exhibition “rhizomatiks_multiplex” (Museum of Contemporary Art Tokyo, 2021) https://www.mot-art-museum.jp/en/exhibitions/rhizomatiks/ This installation uses event data from Opensea around 3/11 10am EST, when MetaKova won Beeple’s NFT at Christies for $69,346,250. We look back at this symbolic event in CryptoArt using machine learning techniques (Convolutional Neural Network, t-SNE) and data visualization.

本作品はソーシャル・ディスタンスを保ちながら特殊なカメラ装置とハイスペック PC による画像処理を組み合わせて新たな身体表現、映像表現の可能性を提案する作品。ダンサーの身体構造と動きによって作られる身体情報をさまざまなルールを用いて分解し再構築を行うことで、身体そのものだけでは作ることが出来ない幾何学的世界を生成する。 This is a new work that proposes new possibilities of physical and visual expression by combining a special camera device and image processing capability of high spec PC while keeping a social distance. By decomposing and reconstructing information of the dancer's body structure and movements using various rules, this work creates a geometric world that cannot be created by the body alone.

Daito Manabe’s new work where he explores “brain” and “body” in the form of lecture performance. This prototype anticipates the future when dance can be generated by the brain decoding technology to express a dance piece without constraints of the real bodies such as gravity and the limits of the range of joints motion with noises and glitches generated by distracting thoughts in the brain.

Terminal Slam Music Videoは街の中に存在する広告を全て消去、もしくはSquarepusher由来の広告に入れ替えるということを行ったDiminished Reality, Mixed Reality Music Videoである。近い将来、このMusic Videoで行われた様にAR/MRグラスをかけることによって街中の風景を自由に書き換えることが出来る様になるだろうと真鍋大度は考えて本MVを作成した。 Machine Learningテクノロジーを用いて、 - Object Detection（画像の中のオブジェクトの位置を認識） - Semantic Segmentation（画像の中のピクセル1つひとつに対してラベル付けを行い、意味に応じて画像領域をカテゴリ分類する） - Image Inpaint（画像修復技術） を行った。街中の広告看板はほとんどのものが周期的に変化するため、現在の技術では機械が正確に認識することが難しかったので人力で広告看板の位置データを作成した。 また、解析データ、位置データを用いてマスク情報を作成し、人や広告の存在するエリアのみにグリッチエフェクトをかける、光学迷彩エフェクトをかけるなどのポストプロセス処理を行った。 また、広告の領域を抽出する様な手続きは既存の機械学習技術のみで行うことは不可能だったため、現時点での技術で実現が出来ないものに関しては人力によりマニュアルオペレーションも行った。近い未来には全て自動で出来る様になることを予想しておく。