Iris schrijft waar AI-kunst en cultuur samenkomen — stijl, auteurschap en de beelden die ertoe doen.
Geïnspireerd door dit verhaal? Maak van het idee in seconden je eigen AI-kunst — gratis beginnen, geen kaart nodig.
Gratis aan de slagKies een companion en ontdek wat die van dit verhaal vindt
Superpose, een camera-app gebouwd door voormalige TikTok-executives, analyseert een foto of selfie en genereert vier AI-gesuggereerde poses — een directe poging om de kloof te dichten tussen hoe mensen eruit willen zien op afbeeldingen en hoe ze zich daadwerkelijk positioneren voor een lens.
Superpose genereert vier alternatieve poses uit een enkele ingediende foto. Afbeelding Credits: Superpose
Afbeelding: TechCrunch / TechCrunch AI
De kernmechaniek is eenvoudig: dien een foto in, en de app retourneert vier variaties die tonen hoe het onderwerp zich zou kunnen herpositioneren — verschillende hoeken, armplaatsingen, hoofdkantels, gewichtsverschuivingen. Het genereert geen synthetisch beeld van jou; het genereert instructionele pose-referenties gekalibreerd op jouw lichaam en frame. Het onderscheid is belangrijk. Superpose coacht de fotograaf, vervangt de foto niet.
Die coachingfunctie heeft een duidelijke afstamming in de visuele cultuur. Modefotografen hebben lang Polaroids en instant previews gebruikt als regisseursinstrumenten — schiet één frame, bestudeer het, pas aan, schiet opnieuw. Superpose automatiseert die feedbackloop tot iets wat een persoon alleen kan uitvoeren, zonder een fotograaf aan de andere kant van de lens. Het resultaat komt dichter bij een pose-regisseur in je zak dan een filter.
De interface van de app begeleidt gebruikers stap voor stap door pose-aanpassingen. Afbeelding Credits: Superpose
Afbeelding: TechCrunch / TechCrunch AI
Voor AI-kunstcreators is de praktische hoek minder voor de hand liggend maar wel reëel. Referentiefoto's zijn de ruggengraat van karakterconsistentie-werkstromen — het invoeren van een gezicht of lichaam in een beeldgenerator om een stijl of gelijkenis te verankeren. Een slecht geposeerde referentie introduceert onhandige geometrie die modellen moeite hebben om schoon te interpreteren: een opgetrokken schouder wordt gelezen als een misvorming, een verkort arm produceert een verminkte ledemaat. Betere bronfoto's produceren schonere inpainting-doelen en meer coherente ControlNet-inputs. Superpose, gebruikt vóór de generatiestap, zou de kwaliteit van het referentiemateriaal dat die pipelines voedt aanzienlijk kunnen verbeteren.
De achtergrond van het oprichtersteam is opmerkelijk. TikTok's groei was deels gebouwd op algoritmische feedback die creators vertelde wat werkte — welke formaten, welke cuts, welke visuele ritmes retention aandreven. Superpose past een versie van hetzelfde principe toe op statische fotografie: gebruik data en AI om de mens te vertellen wat de camera wil, voordat de mens zich vastlegt op een pose.
Volgens TechCrunch is de app in wezen een camera-app in zijn kern, met de AI-laag bovenop de vastlegervaring in plaats van deze te vervangen. Die architectuur houdt de mens in de loop als het daadwerkelijke onderwerp en auteur van het beeld — een betekenisvolle keuze op een moment dat de auteurschapsvraag in AI-beelden allesbehalve opgelost is.
De app lijkt zich niet te richten op professionele fotografen, die al regisseurs, assistenten en jaren spierheugen hebben. Het richt zich op het grote middenveld — mensen die foto's willen die er opzettelijk uitzien in plaats van toevallig, en die de vocabulaire missen om daar zelf te komen. Dat is een groot publiek, en een dat aanzienlijk overlapt met creators die AI-beeldgeneratoren gebruiken om hun zelfportretten uit te breiden of te stileren.
Creators die al werken met AI-beeldgeneratietools om foto's te verfijnen en te stileren zullen Superpose het nuttigst vinden als een pre-generatiestap: krijg de pose eerst goed in de camera, breng dan die schonere referentie in een generatiewerkstroom. Het alternatief — proberen een slechte pose te corrigeren door inpainting of ControlNet achteraf — is langzamer en zelden zo schoon. De geometrie goed krijgen voordat de pixels vastgelegd zijn, is nog steeds het meest efficiënte pad.