La imagen botánica en la era postfotográfica
¿Cómo afrontar la crisis de biodiversidad? ¿Cómo puede contribuir el arte?
DOI:
https://doi.org/10.37467/revhuman.v11.4332Palabras clave:
Herbario, Arte generativo, Cameraless photography, Redes Generativas Antagónicas (GAN), Protofotografìa, Postfotografía, BiodiversidadResumen
Este artículo es una revisión de la capacidad de los herbarios fotográficos para establecer posibles alianzas experimentales con potencial para ayudar en la concienciación y resolución de la crisis de biodiversidad vegetal. Se analiza cómo el medio fotográfico, bajo el prisma de la creación artística, puede erigirse como un sistema revelador, capaz de superar la mera descripción y ampliar las limitaciones cognitivas de nuestra percepción visual, desvelando la complejidad del universo botánico mediante una mirada más profunda y poética de su naturaleza física.
Citas
Batchen, G. (2004). Arder en deseos. La concepción de la fotografía. Ed. Gustavo Gili.
Batchen, G., & Talbot, W. H. F. (2008). William Henry Fox Talbot. Amsterdam University Press.
Castelo, L., & Legido, T. (2020). Herbarios imaginados. Entre el arte y la ciencia. Ediciones Complutense.
Deleuze, G., & Guattari, F. (1992). Rizoma (Introducción). Pre-textos.
Foucault, M. (2007). Las palabras y las cosas. Una arqueología de las ciencias humanas. Siglo XXI Editores.
Gómez-Bellver, C., Ibañez, N., López-Pujol, J., Nualart, N., & Susanna, A. (2019). Las fotografías como complemento de los Especímenes: Implementación de photo voucher y fusion voucher, en el herbario BC. Libro de resúmenes de la XXIII bienal de la rsehn- barcelona.
Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warder-Farley, D., Ozair, S.; Courville, A., & Bengio, Y. (2014). Generative Adversarial Nets. Adv. Neural Inf. Process. Syst. 2, 2672–2680.
Hong, Y., Hwang, U., Yoo, J., & Yoon, S. (2019). How generative adversarial networks and their variants work: An overview. ACM Comput. Surv. 52, 1–43.
Karras, T., Laine, S., & Aila, T. A (2019). Style-Based Generator Architecture for Generative Adversarial Networks. In Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, CA, USA, 15–20 June 2019; pp. 4396–4405. [Google Scholar]
Karras, T., Laine, S., Aittala, M., Hellsten, J., Lehtinen, J., & Aila, T. (2020). Analyzing and improving the image quality of StyleGAN. In Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, 13–19 June 2020; pp. 8107–8116. [Google Scholar]
Radford, A., Metz, L., & Chintala, S. (2016). Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks. https://arxiv.org/pdf/1511.06434.pdf .
Redondo M. & Figueras, E. (2021). Herbart. Confluències entre art i ciència. Edicions de la Universitat de Barcelona.
Riego, B. (1996). La nueva memoria: La fotografía frente a la descripción dibujada o la paradoja de Turpin. Papel Alpha, 2, 135-153.
Thompson, D.W. (1917). On Growth and Form. Cambridge University Press.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Aquellos autores/as que publiquen con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán los derechos morales sobre la obra y cederán a la revista los derechos comerciales.
- Transcurrido 1 año desde su publicación, la versión del editor pasará a estar en acceso abierto en la web de la editorial, pero la revista mantendrá el copyright de la obra.
- En el caso de que los autores deseen asignar una licencia abierta Creative Commons (CC), podrán solicitarla escribiendo a publishing@eagora.org.
