Ga naar hoofdinhoud
BVDART Logo

Manifold learning en kleurburen

Manifold learning onderzoekt laagdimensionale structuur in hoogdimensionale gegevens. Bij kleuren gaat het om een bruikbare compacte weergave van hun onderlinge relaties.

Vergelijk naaste buren over een vouw en langs een pad.

Gevouwen pad: nabij in het vlak tegenover nabij langs het pad- - Vlak · ━ Pad
Dezelfde monsters, geordend langs het pad
0 → 69
Dichtstbij in het vlak: 42, 44, 18, 17, 68Dichtstbij langs de monstervolgorde: 42, 44, 41, 45, 403 buren verschillen

Een kortere weg over een vouw kan kort zijn in het vlak maar lang langs de curve. Kleuren geven de monstervolgorde aan; het zijn geen coördinaten van een geleerd kleurmanifold. Deze 2D-analogie vergelijkt lokale relaties en een al bekende volgorde. Ze voert geen LLE, UMAP of t-SNE uit.

Het pad vouwt rond een vast monster; daarna reist het monster erlangs. Buren in het vlak kunnen over vouwen springen. Gebruik een regelaar om het over te nemen.

Wat je kunt proberen
  1. Verander Vouwen / omwentelingen en selecteer een monster nabij een naastliggende omwenteling.
  2. Varieer Aantal buren en vergelijk de graafverbindingen met de geordende monsterstrook.
Open in het Lab ↗

Waar je op kunt letten: Punten die in het vlak dichtbij zijn, kunnen ver uit elkaar liggen in de monstervolgorde. Deze expliciete 2D-analogie illustreert een buurtkeuze; ze leert geen inbedding.

Zo werkt het

Een rechte afstand kan punten op naburige plooien verbinden terwijl ze langs de structuur ver uit elkaar liggen. Buurtgebaseerde methoden proberen gekozen lokale relaties bij een inbedding te behouden.

De spiraal is een kleine geometrische analogie. Amber markeert de dichtstbijzijnde punten in het vlak; mint markeert buren langs de curve. Door meer windingen te maken kunnen die twee buurbegrippen uiteenlopen.

Gebruik het in het Lab

Dit geeft achtergrond bij paletordening en kleurruimteonderzoek. Het Lab biedt kleurvergelijking en paletquantisatie, maar leert momenteel geen manifold.

Grenzen & verschillen

Het experiment illustreert een buurtprobleem en voert geen LLE, UMAP of t-SNE uit. Een tweedimensionale kleurkaart bewijst op zichzelf geen perceptueel model.

Verdieping

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.

Belangrijkste inzicht

Manifold learning vertegenwoordigt de voorhoede van theorie rond kleurafstand. Hoewel Euclidische afstand in OKLAB voor de meeste praktische taken volstaat, maken manifold-gebaseerde benaderingen soepelere gradients en eerlijkere, perceptueel kloppende clustering mogelijk voor geavanceerde generatieve toepassingen.

Verwante Lab-categorieën

Bronnen & naslag

Gids bijgewerkt