GANspire est un instrument d'apprentissage profond qui permet de générer des formes d'onde respiratoire computationnelles.
Notre intention de design pour GANspire est triple. Premièrement, nous voulions créer un modèle génératif profond qui capture les variations fines et expressives de la respiration humaine. Deuxièmement, nous voulions concevoir un instrument qui permette à des non-experts d'explorer le modèle génératif. Troisièmement, nous souhaitions appliquer notre instrument à des projets d'art et de design qui explorent la respiration comme matériau de création, tels que RÉESPIRATION (projet art-médecine).
Nous avons mené un design participatif avec des praticien·nes du soin de la respiration pour développer un tel instrument d'apprentissage profond, que nous avons appelé GANspire. Nous avons façonné un prototype d'apprentissage profond en entraînant un WaveGAN sur un petit ensemble de données de signaux respiratoires en pression, récoltés lors de précédentes études physiologiques. Nous avons extrait des paramètres de contrôle de l'espace latent de respiration à l'aide de l'algorithme GANSpace. Nous avons développé une interface pour l'exploration de la génération de respiration à l'aide de Marcelle. L'instrument qui résulte de ce processus nous a permis de sonder le potentiel de l'apprentissage profond génératif pour le soin de la respiration.
Année
2021
Crédits
Le projet a été développé avec Baptiste Caramiaux, Thomas Similowski et Samuel Bianchini, en collaboration avec HCI Sorbonne (groupe de ISIR), R3S (département de AP-HP), et Reflective Interaction (groupe de EnsadLab), dans le cadre d'un postdoctorat effectué à Faculté de Médecine de Sorbonne Université, financé par l'IUIS.
Publication
Article à NeurIPS 2021
Code
En préparation