Osmanlı Ermenilerinin Hayatlarını Renklendirmek

Yazar: Azad Balabanyan 18/08/20 (son değişiklik: 18/08/20), Çeviren: Arlet İncidüzen

21. yüzyılla ulaştığımız gelişmeler, tarihimizi belgeleme, betimleme ve yeniden yaşatma konusunda da araçlar geliştirmemize olanak sağladı. Bu araçlar yaşam biçimimizi, çocuklarımıza anlattıklarımızı ve geçmişi nesillere aktarışımızı şekillendiriyor.

20. yüzyıl sanatsal alanında yeni bir formu, fotoğrafçılığı öne çıkardı; Osmanlı İmparatorluğu’ndaki Yesayi Garabedyan, Zorapapel Krikor Donatosyan gibi sanatkârlar da bu yeni formu benimseyip, bu konuda uzmanlaştı. Onların çalışmaları bize Osmanlı Ermenilerinin hayatlarından kesitler, aile fotoğrafları, düğünler, okul mezuniyetleri veya basitçe hayatlarını bıraktı.

Gelecek yüzyılda Fotoğrafçılık ilerlemeye ve dünyaya yayılmaya devam etti. Kimyasal işlemler dijitale dönüşerek, yazılım ve silikonun sunduğu yeni avantajlarından faydalandı. Sadece kameralar değil, fotoğrafların görünmesini sağlayan materyaller de değişti. Kâğıt üzerine basılan ve sabitlenen görsellerin yerini günümüzde akıllı telefonlarla milyonlarca kişiye anında ulaştırılabilen fotoğraflar aldı.

Sadece son on yılda, görüntüleme ve bilgisayar bilimi alanında yaygın olarak Yapay Zekâ tabiriyle bilinen Makine Öğrenimi denen büyük bir sıçrama yaşandı. İnternette oluşturulan ve yayınlanan sonsuz miktarda veri sayesinde bilgisayar bilimciler artık var olmayan yerlerden bilgi toplamak ve oluşturmak için belirli veriler arasındaki temel ilkeleri “anlayacak” makine öğrenim modelleri yaratmayı ve “eğitmeyi” başardılar.

Makine öğrenimi teknolojisinin geniş bir kullanımı olan siyah beyaz fotoğrafları renklendirme imkânı da bu ilgi alanlarından biridir. Huşamadyan arşivlerinin derinliği, çeşitliliği ve kapsamı göz önüne alındığında, genelleştirilmiş bir modelin herhangi bir fotoğraf üzerinde ne kadar iyi çalışabileceğini belirlemeye çalışmak için en iyi renklendirme makine öğrenimi modeli DeOldify’ı vermeye karar verdik.

Bununla birlikte siyah-beyaz bir fotoğrafı renklendirme girişiminin amacı orijinal görseli “geliştirmek” veya “değiştirmek” değil, gösterdiği dünyaya yeni bir bakış açısı kazandırmaktır.

Genellikle, Fotoğraf arşivleri orijinal veriyi mümkün olduğunca özgün ve hakiki haliyle korumaya ve sunmaya odaklanır. Huşamadyan Arşivleri’nin amacının, sadece ham fotoğrafları, nesneleri ve malzemeleri ortaya koymaktan ziyade, Osmanlı Ermenilerinin kasaba ve köy yaşamını “yeniden inşa etmek” olduğu unutulmamalıdır. Fotoğrafları renklendirmek de kesinlikle bu tanımın içine girmektedir.

Bu makalenin görselleri tamamen açık kaynaklı DeOldify makine öğrenme modeli kullanılarak gerçekleştirilmiştir.

DeOldify renksiz bir fotoğrafın renklerini tahmin edebilmek için milyonlarca fotoğraf üzerinde “eğitilmiş” bir “derin öğrenme” modelidir.

Nasıl çalışır? Makine öğreniminin sınırlamalarını göstermek ve yakın gelecekte iyileştirilmesini umduğumuz alanları anlamak amacıyla DeOldify’ın temelini oluşturan teknik ilkeleri açıklamaya ve sonuçlarımızı tartışmaya çalışacağız.

Model iki temel bileşenden oluşur: Görüntü Oluşturucu ve Görüntü Analizcisi. Aşağıdaki adımlarda bu iki bileşenin derin öğrenme modeli yaratmak için nasıl etkileştiğini göreceksiniz.

İlk olarak, Görüntü Oluşturucu bir görseli nasıl renklendireceğini öğrenmelidir.

• Yazılım, ImageNet veribankasından (çeşitli makine öğrenme modellerini eğitmek için bilim insanlarının kullandığı milyonlarca görsel içeren açık kaynaklı bir veribankası) renkli görseller indirir.
• Görsellerdeki renkler kaldırılarak siyah-beyaz hale getirilir.
• Görüntü Oluşturucu, rastgele renklendirme setiyle bu resimleri yeniden renklendirmeyi dener.
• Ardından tahminin ne kadar yakın olduğunu tespit edebilmek için görselin özgün renkleri ile renklendirme çalışmasını karşılaştırır.
• Görüntü Oluşturucu son denemesine göre yeterince iyi bir sonuca ulaşıncaya kadar görseli tekrar tekrarrenklendirir.

Bu aşamada modelin ikinci bileşeni devreye girer: Bir görselin gerçek mi sahte mi, görseldeki renklerin gerçek renkler mi olduğunu ya da Görüntü Oluşturucu tarafından mı renklendirildiğini ayırt etmek için eğitilmiş Görüntü Analizcisi.

Doğru görüntü renklendirmeyi gerçekleştirebilmek için, renklendirme sonucunun Analizciyi görselin renklerinin sonradan renklendirilmiş değil de gerçek renkleri olduğu konusunda kandırabilmesi gereklidir.

Şayet Analizci renkleri saptamada çok iyi değilse, testleri geçen görseller çok da gerçekçi durmayacaktır. Bu nedenle, Analizci hangi görselin testi geçebileceği konusunda çok yüksek standartlara sahip olmalıdır.

Görüntü Analizcisi şu adımlarla eğitilir.

• Görüntü Oluşturucu belirli bir sayıda görseli renklendirir.
• Görüntü Analizcisine bir kısmı Oluşturucu tarafından renklendirilmiş (sahte) ve bir kısmı da ImageNet’ten alınmış renkli görsellerden (gerçek) oluşan bir dizi görsel verilir.
• Hangi görselin sahte veya gerçek olduğunu ayırt etmeye çalışır. Analizlerinin doğru olup olmamasına göre bir skor verilir.
• Önceki analizlerinin sonuçlarına göre, doğru analizleri gerçekleştirene kadar tekrar tekrar deneme yapar.

Artık hem Görüntü Oluşturucu hem de Görüntü Analizcisi renklendirilmiş görseller oluşturmada iyi bir şekilde eğitildiğinden ve renklendirmelerin gerçek mi olduğunu ya da sonradan yapıldığını ayırt edebilecek seviyeye geldiğinden, eğitimin son safhasına ulaşılmıştır.

Görüntü Oluşturucu ve Görüntü Analizcisi birbirlerine karşı, biri diğerini eğitmek ve daha iyi yapmak için çalışır ve en iyi renklendirme sonucuna ulaşır. Sürekli ileri geri giderek, yeni renklendirmeler gerçekleştirir, birbirlerini analiz eder ve gerçek mi-sahte mi testini geçmeye çalışırlar.

Oluşturucu ve Analizci birbirlerine karşıt olduğu, birbirlerine karşı çalıştığı ve birbirlerini kandırmayı denediği için bu metoda Üretken Karşıt Ağ denmektedir.

Makaledeki görseller DeOldify modelinin neticesidir, yani renkler Görüntü Oluşturucu tarafından atanmış, Görüntü Analizcisi tarafından denetlenmiş ve gerçek mi-sahte mi testini geçmiştir.

Bu makalede yayınladığımız sonuçlar elde edebildiğimiz en iyi sonuçların bazılarıdır.

Yine de görebildiğiniz üzere renklendirme girişimleri %100 gerçeği yansıtmıyor. Görselde hâlâ gri kalan veya renkleri tam doğru olmayan kısımlar bulunuyor.

Modelin eğitim sırasında öğrendiği temel ilkeler soyut ve kısmen de modeli yaratan bilim insanlarının erişimine kapalı olduğundan, bazı sonuçların diğerlerinden neden daha iyi olduğunu belirlemek özellikle makine öğrenme modelleriyle çok kolay bir iş değil.

Orijinal siyah-beyaz fotoğrafın kalitesi şüphesiz renklendirme çalışmalarından büyük bir fark yaratmaktadır. Yüksek kontrasta sahip fotoğrafların “temizlenmiş” fotoğraflardan daha iyi netice verdiğini tespit ettik.

Hataların bir başka sebebi de modelin eğitildiği görsellere dayanabilir, model eğitim verilerinde bulunan obje, kişi ve mekânlara bağlanabilir.

Bununla birlikte, halkımızı ve geçmişimizi daha belirgin bir hale getirmek için giderek gelişen bir yazılım kullanmanın potansiyeli çok heyecan vericidir.

Bu renklendirme girişimi Osmanlı dönemine ait tarihimizi tamamen renkli hale getirerek Huşamadyan’ın “Osmanlı Ermeni yaşamını yeniden kurma” ilkesine bütünüyle uymaktadır.

İnternet ve açık kaynaklı yazılımların en büyük faydası herkes için ulaşılabilir olmaları!

Kendi siyah-beyaz fotoğraflarınızı renklendirmek isterseniz DeOldify’ın en son sürümüyle kurulmuş ve ücretsiz olarak 10 fotoğrafı renklendirme imkânı sunan MyHeritage sitesini (ücretsiz bir MyHeritage hesabı oluşturmanız gerekecek) ziyaret edebilirsiniz.

Teknik bakımdan daha bilgili ve daha gelişmiş bir bilgisayar kullanma becerisine sahip olan bireyler, sınırsız sayıda fotoğraf renklendirmek için açık kaynaklı DeOldify on GitHub sürümünü tercih edebilirler. Daha tutarlı renkler elde etmek için “stable” sürümünü veya daha renkli sonuçlar elde etmek için “artistic” sürümünü kullanabilirsiniz. Hatta video renklendirmek/colorizing video için bile bir sürümleri var!

Azad Balabanian 3 boyutlu tarama ve sanal gerçeklik konularında uzmanlaşmış bir fotoğraf yönetmeni ve fotogrametri sanatçısıdır.

Çalışmaları ortamı yeni bir yöne götüren bir yaratıcı teknoloji uzmanı olarak DJI, Oculus Medium ve the Institute for the Future gibi mecralarda öne çıkmaktadır.

Çalışmaları ağırlıklı olarak Fotogrametri denilen, dünya üzerindeki yerlerin 3 boyutlu fotogerçekçi yeniden inşasını sağlayan 3 boyutlu haritalama tekniğine dayanmaktadır. Hava Sinematografisine duyduğu ilgi kendisini İzlanda’dan Ermenistan’a taşımış ve burada kısa sinema filmleri çekmeye ve büyük miktarda tarihi belgelemeye yöneltmiştir.

Realities.io’da Fotogrametri Direktörlüğü ve Sanal Gerçeklik ve Mekansal Hesaplama Bilimi ve Tasarımı hakkında çalışmalar yürüten Research VR Podcast’in yöneticiliği görevlerini sürdürmektedir.