La clave para crear hermosas imágenes YouTube glitchy: anticipación y eliminación. Datamoshing: una lección de historia del arte digital

Cuando era más joven, tuve un entrenador de fútbol que destacó la importancia de la anticipación. “Un-tiiii-ciiiiiii-pago-shun“, él le grita, mientras estábamos buceo alrededor de la bola. Si lo hicimos bien, prometió sería capaces de hacer en el fútbol lo que hace Neo en The Matrix , no, como, detener balas, pero estar en el lugar correcto en el momento adecuado para detener un ataque en nuestro objetivo. Yo no era demasiado grande, por lo menos no al principio.

Pero la lección quedó. Puedo oír la voz del entrenador, cuando navego el agolpamiento de los viajeros durante las horas de acometidas demasiado frecuentes de la ciudad de Nueva York. Esto es todo lo que decir que la predicción es clave; es la diferencia entre conseguir la bola en la parte posterior de la red y whiffing totalmente, la diferencia entre conseguir un asiento en un tren lleno de gente o tener que esperar, castigado, para el próximo. Y, como aprendí recientemente, la predicción es la diferencia entre un video de YouTube y arte glitch.

El otro día me encontré con un bot de Twitter, @youtubeartifacts, que escribió en Twitter imágenes y clips de videos de YouTube al azar, pero imágenes y videos bitcrushed y pixelado y pintura cinética, más abstracta que el error de codificación.

Hay un nombre para este tipo de esteticismo glitched-hacia fuera, y resulta tener un pasado artístico bien establecido. “El bot utiliza mi propia variación en una antigua técnica de arte glitch llamada ‘datamoshing,’ que básicamente genera un tipo específico de falla de compresión h264 que crea el pixelado embarrada, artefactos pictóricos a veces que puedes ver en la salida,” dice David Kraftsow, el artista detrás de @youtubeartifacts. (H.264, también conocido como MPEG-4 parte 10 o Advanced Video Coding, es un estándar de compresión de vídeo, grabación, compresión y distribución: ampliamente utilizado a través de internet desde alrededor de 2014, que proporciona una calidad video mejor que los anteriores.)

“Es realmente un algo viejo glitch art proyecto mío que es pasado a través de un

muchas iteraciones, el más reciente es el bot de Twitter,”Kraftsow me escribe en un correo electrónico. Comenzó como un sitio web en el 2009, donde cualquiera podría entrar una URL de YouTube y ver efectos de la falla específica en su navegador, pero era difícil de mantener, explica Kraftsow, que significó no duró mucho tiempo. Entonces, los curadores de arte digital colectiva rizoma le pidió crean una versión más robusta: una aplicación de escritorio.

“Redecoró el sitio y lo tenía que buscar específicamente”vlogger”de contenido generar imágenes fijas”, dijo. “Luego de unos años” — febrero de 2015: “hice la aplicación en un bot de Twitter, que sí mismo ha ido a través de algunas versiones. El más reciente que genera imágenes de 4 K de una búsqueda de youtube enrevesada que (entre otras cosas) vloggers, vids de cosméticos de belleza, deportes y videos de naturaleza/paisaje. “

Como Kraftsow mencionado, datamoshing es un tipo de arte glitch — que, en el contexto de la historia del arte, puede ser ampliamente definido como arte creado por corromper o manipular lo contrario un archivo existente, que tiene raíces en la red movimiento de arte de despuntar temprano. Uno de los ejemplos más influyentes de la técnica era un video de 2003 llamado “Pastell Kompressor,” artistas de Owi Mahn y Laura Baginski. “Como base para el ‘compresor de pastell’ hemos estado utilizando filmaciones de lapso de tiempo de las nubes a la deriva, que tomamos en las mesetas en el sur de Francia [sic],” escribieron. Recorrió un codec propietario, llamado “sörensen-3”, que mezcla las mesetas francés con la figura de una persona. Dos años más tarde, el artista Takeshi Murata creó “Monster Movie”, que mezcla imágenes de una 1981 B-movie y una banda sonora fuerte y que está ahora en la colección permanente en el Smithsonian como tal vez la obra más influyente en el canon de datamosh. En 2009, Kanye West utilizaría la técnica en su video “Bienvenido a Heartbreak”.

Conceptualmente, el datamoshing es bastante fácil: para crear la versión más básica de los dramáticos, los efectos de pixelado, todo lo que tienes que hacer es tomar ventaja de cómo están codificados los vídeos. Esencialmente, hay tres tipos de Marcos, que almacenan imágenes comprimidas:-Marcos, P-frames y B-frames. Según un excelente tutorial ,-marcos son “Marcos, inter” que significa que contienen datos de imagen de los marcos. Marcos de P son “Marcos predictivos”, que resumen información, esencialmente, almacenan datos de cómo mover píxeles del video y casi nada más. (B-frames son un poco diferentes, porque son como marcos predictivos pero son bidireccionales; no tienen mucho que ver con el glitching.) Así, a datamosh, todo lo que hacen es eliminar los fotogramas. Eliminar los datos de imagen, todo el identificable, todavía imágenes del video, y te queda con la información abstracta, interior que rellena el espacio entre imágenes. Simplemente deje en el ann-tiii-ciii-pago-shun, las predicciones, que por sí mismos producen el remolino de sello de glitchy píxeles que definen visualmente un video datamoshed. ¿Simple, correcto?

Decidí probar por mí mismo, a partir de algo conocido: excelente video de punto ciencia en grafeno que salió a principios de esta semana. Corté el video hasta 45 segundos usando iMovie, que se sentía como un manejable suficientemente largo, entonces corrí a través de Avidemux versión 2.5.4 (un libre, popular editor de vídeo) para eliminar mis fotogramas I; luego usé el VLC (un reproductor de vídeo excelente) para reproducir mis resultados. (Una buena regla de thum

b sobre Marcos es que, porque son puntos de anclaje, existen en cada corte. Avidemux identifica para usted, simplemente presione hacia arriba y hacia abajo teclas de flecha para desplazarse a través de cada uno en un video.)

Me llevó seis intentos y casi una hora para llegar de los primeros 45 segundos de este…

Fue un poco más difícil de lo que pensaba. Pero perseverado. Creí en mi P-frames. Finalmente, conseguí esto.

Es como mi entrenador de fútbol diría: perseverancia es tan importante como averiguar donde van los píxeles.