Die Geschichte der Maske ist eine Geschichte von Spott und Verwandlung.
Die Wurzel der Maske (von arabisch masḫara = Verspottung, auch Posse, Scherz) liegt in religiösen, kultischen Handlungen. Masken können unterschiedlichste Aufgaben in verschiedenen Zusammenhängen erfüllen: um in eine Rolle zu schlüpfen, anonym zu bleiben, eine bestimmte Gesinnung zu betonen, aber auch zum Schutz bei Arbeit und Sport (z.B. Staubmaske, Tauchermaske). Im süddeutschen Raum wird die Fasnacht-Maske als Larve (lateinisch: larva = Gespenst) bezeichnet. Abgeleitet von der Larve ist das Verb „Entlarven“ eine Metapher für das Demaskieren. Heute kennt man Gesichtsbedeckungen im öffentlichen Raum nur aus besonderen Situationen: vermummte Demonstranten, Aktivisten mit Guy-Fawkes-Masken, verhüllte Terroristen oder auch der Niqab im Islam. Durch die Corona-Pandemie erhält die Atemschutzmaske plötzlich weltweite Präsenz. Was passiert durch die Verhüllung des Großteils des Gesichts, der zentral ist für Kommunikation und Mimik? Das Projekt "This mask does not exist" reagiert auf die Anonymisierung der unteren Gesichtshälfte und lädt zu einer Auseinandersetzung ein.
Dabei wurde auf unterschiedlichste Materialien und Gegenstände zurückgegriffen. Während die ersten Ideen sich mehr auf die äußere Form beschränkten, also mit dem Schutz/ der Bedeckung speziell für Mund und Nase, beschäftigte mich zunehmend die Frage: „Was zählt als Mund-Nasen-Schutz?“ und „Ab wann gilt eine Maske als Mund-Nasen-Schutz“. Je mehr ich mich damit auseinandergesetzt habe, desto abstrakter wurde die Maske und das Wort Schutz für mich. Was heißt Schutz denn eigentlich? Und was wollen wir schützen: Menschen? Orte? Werte? Bei einem Maskenexemplar habe ich mir eine Bibel vor das Gesicht gebunden: ein Beispiel, bei dem ich auf den Schutz der moralischen Wertvorstellungen anspiele. Durch den metaphorischen Zugang zum Thema Maske konnte ich weitere Facetten beleuchten.
Die 80 so entstandenen Masken sind auf diesem Instagram Kanal dokumentiert: Maskenmaker
Neben Portraits mit Alltagsgegenständen, die als Maske zweckentfremdet wurden, habe ich mit den Fotos einen Datensatz erzeugt, den ich genutzt habe, um mit einer Software für maschinelles Lernen (ML) neue, fantastische Masken zu erzeugen, die es zuvor nicht gegeben hat. Die Software ist als Generatives Adversariales Netzwerk (GAN) bekannt.
GANs bestehen aus zwei Teilen: dem Generator und dem Diskriminator. In einem sehr allgemeinen Sinne ist die Rolle des Generators vergleichbar mit der des Lehrlings und des Fälschers, während der Diskriminator die Rolle des Meisters oder Kenners spielt. In einer kontinuierlichen Rückkopplungsschleife erzeugt der Generator "Fälschungen", die vom Diskriminator als "echt" oder "gefälscht" beurteilt werden, und beide Teile verbessern sich im Laufe der Zeit. Schließlich wird der Generator zu einem "Master" und kann die Bilder auf dieser Website (siehe unten) erstellen.
Meinen Datensatz von etwa 1000 Bildern habe ich aus dem Rohmaterial der Fotoshootings erstellt. Ich habe manuell eine Reihe von Bildern entfernt, die verwischte, unscharfe Fotos, komplexe Hintergrundelemente und andere disqualifizierende Merkmale enthielten. Die verbleibenden Bilder enthielten jedoch immer noch eine große Vielfalt.
Dann trainierte ich den Datensatz auf der Basis des bereits existierenden FFHQ-Datensatz, das ausschließlich auf Gesichter trainiert wurde.
Dann trainierte ich den Datensatz auf der Basis des bereits existierenden FFHQ-Datensatz, das ausschließlich auf Gesichter trainiert wurde.
Dazu verwendete ich die KI-Plattform von Google Colab auf einem Server mit einer einzelnen Nvidia V100 GPU. Insgesamt dauerte das Training eine gute Woche. Angesichts dieses dürftigen Datensatzes war ich neugierig auf die generierten Fotos. Aber schon nach ein paar hundert Iterationen waren die Ergebnisse sehr vielversprechend. Besonders die ersten Interationen waren sehr einzigartige in ihrer Ästhetik, weshalb ich vor allem Bilder aus den Trainingsdaten der ersten 500 Iterationen benutzte. Nach etwa 1260 Trainingsschritten kamen die Bilder bereits so stark an die Originale heran, dass die fantasievollen Kreationen zunehmend ausblieben und ich stellte das Training ein.
Die Verwendung von GANs gibt dem Projekt einen neuen Twist: die ständige Verwandlung der Maske mit ihren Übergängen sorgt für Zwischenwelten und eine einzigartige Ästhetik, die so in der Realität nicht anzutreffen ist. Die generierten Bilder stellen maskenähnliche Objekte dar, die die Betrachterin oder den Betrachter dazu anregen, das Dargestellte zu deuten. Während der Gesichtsausdruck in den Fotos derselbe bleibt, verändert sich das Objekt und wird zum Interpretationsgegenstand. Zusätzlich wird das Projekt so in die digitale Sphäre transferiert - genauso wie viele andere Bereiche des präpandemischen Lebens sich inzwischen im Digitalen abspielen.
