Manifold Learning (in kleur­ruimte)

Traditionele kleurwetenschap behandelt kleuren als punten in een 3D-kubus (RGB) of cilinder (HSL). Manifold learning kiest een andere benadering: het ziet kleuren als liggend op een complexe, gekromde oppervlakte — een manifold — ingebed in een hoger-dimensionale ruimte. De “echte” afstand tussen twee kleuren wordt gemeten langs deze oppervlakte, niet dwars door de kubus heen.

Geodetische vs. Euclidische afstand

Stel je het aardoppervlak voor. De rechte (Euclidische) lijn tussen Londen en Tokio gaat dwars door de planeet, maar de betekenisvolle afstand volgt het gekromde oppervlak. Op dezelfde manier kan het perceptueel betekenisvolle pad tussen twee kleuren gekromd door de kleur­ruimte lopen in plaats van er recht doorheen te snijden. Deze gekromde padafstand heet een geodetische.

Technieken

• t-SNE — projecteert hoog-dimensionale data naar 2D/3D en behoudt lokale buurtschappen. Handig om paletclusters te visualiseren.
• UMAP — Uniform Manifold Approximation and Projection. Sneller dan t-SNE en beter in het behouden van globale structuur. Wordt steeds vaker gebruikt voor grootschalige kleuranalyses.
• Isomap — bouwt een buurtschaps­graaf en berekent kortste paden om geodetische afstanden te benaderen. Conceptueel het dichtst bij “afstand meten langs de manifold”.

Toepassing in generatieve kunst

Bij het genereren van vloeiende kleur­overgangen (gradients) kan lineaire interpolatie in RGB of zelfs OKLCH gede­satureerde middentonen opleveren. Manifold-bewuste interpolatie volgt het gekromde oppervlak van perceptueel geldige kleuren en produceert overgangen die natuurlijker aanvoelen. Dit is vooral belangrijk voor generatieve kunst die grote hue-bereiken doorkruist — een gradient van rood naar blauw die levendig blijft in plaats van via modderig grijs te gaan.