PMDD - Die Magie hinter der Illusion: Wie Wahrnehmung und KI zu lebendigen Bildern verschmelzen
PMDD – Perceptual Motion & Depth Design
Wenn statische Bilder zu bewegten Wahrnehmungsräumen werden
Immer wieder erreichen mich Nachrichten mit derselben Frage:
Wie entstehen diese faszinierenden, fotorealistischen Bilder, die vollkommen stillstehen – und trotzdem so wirken, als würden sich Teile darin bewegen?
Bei manchen Bildern scheint Nebel durch den Raum zu ziehen. Stoff wirkt, als würde er fließen. Strukturen beginnen zu pulsieren. Wolken scheinen zu driften. Bestimmte Flächen rotieren nahezu unmerklich, während andere Teile des Bildes vollkommen ruhig bleiben. Gleichzeitig entsteht eine teilweise ungewöhnlich starke räumliche Tiefe: Vordergrundelemente scheinen vor dem eigentlichen Bild zu liegen, während andere Strukturen weit hinter die Displayebene zurückweichen.
Und trotzdem handelt es sich um ein einziges statisches Bild.
Keine Animation.
Kein GIF.
Kein Video.
Keine versteckten Frames.
Die Bewegung entsteht erst in der Wahrnehmung des Betrachters.
Das System, mit dem ich solche Bilder entwickle, heißt PMDD – Perceptual Motion & Depth Design.
PMDD ist ein von mir, Kolja Werner Schumann, entwickeltes Framework zur gezielten Gestaltung von wahrgenommener Bewegung und räumlicher Tiefe innerhalb statischer, komplexer und insbesondere realistisch bis fotorealistisch dargestellter Szenen. Entstanden ist es in einem iterativen Human-AI-Co-Design-Prozess mit ChatGPT von OpenAI: Die grundlegende gestalterische Fragestellung, die Zielrichtung und die Weiterentwicklung der einzelnen Generationen gingen von mir aus; ChatGPT unterstützte mich bei Analyse, Systematisierung, Terminologie, Strukturierung und der Verbindung meiner gestalterischen Beobachtungen mit Erkenntnissen der Wahrnehmungsforschung.
Um zu verstehen, warum PMDD funktioniert – und warum seine Entwicklung überhaupt möglich wurde –, lohnt sich eine Reise durch mehr als zweitausend Jahre Forschung über eine scheinbar einfache Frage:
Was bedeutet es eigentlich, etwas zu sehen?
Vom Licht zur Wahrnehmung
Die Geschichte beginnt lange bevor jemand von künstlicher Intelligenz, Pixeln oder Bildschirmen sprechen konnte.
Um etwa 300 v. Chr. versuchte Euklid, das Sehen erstmals konsequent geometrisch zu beschreiben. Seine Optik behandelte unter anderem Sehwinkel, scheinbare Größen und räumliche Beziehungen. Physikalisch ging sein Modell noch von aus dem Auge kommenden Sehstrahlen aus – aus heutiger Sicht falsch –, aber methodisch war der Ansatz revolutionär: Sehen wurde zu etwas, das mathematisch untersucht werden konnte.
Claudius Ptolemäus führte diese Tradition im zweiten Jahrhundert weiter. Seine Optik beschäftigte sich nicht nur mit Reflexion und Brechung, sondern bemerkenswert ausführlich auch mit visueller Fehlwahrnehmung. Er untersuchte mit Instrumenten unter anderem Reflektion, Refraktion, Doppelbilder und die Bedingungen, unter denen das wahrgenommene Bild von den physikalischen Gegebenheiten abweicht.
Damit tauchte sehr früh ein Gedanke auf, der Jahrhunderte später für PMDD zentral werden sollte:
Das physikalisch vorhandene Bild und das tatsächlich Wahrgenommene müssen nicht identisch sein.
Einen grundlegenden Paradigmenwechsel leitete anschließend Ibn al-Haytham, im Westen lange als Alhazen bekannt, im 11. Jahrhundert ein. In seinem monumentalen Book of Optics argumentierte und experimentierte er dafür, dass Licht von beziehungsweise über Objekte zum Auge gelangt. Damit rückte das Auge von einer vermeintlichen Quelle des Sehens zu einem Empfänger optischer Information. Seine Arbeiten verbanden mathematische Optik, Anatomie, Beobachtung und experimentelle Prüfung in damals außergewöhnlicher Weise.
Johannes Kepler setzte diese Entwicklung 1604 fort. Er erklärte, dass Licht durch das optische System des Auges auf der Netzhaut ein reales, umgekehrtes Bild erzeugt. Die eigentliche Wahrnehmung beginnt damit gewissermaßen erst nach der optischen Projektion.
Isaac Newton zeigte im 17. Jahrhundert durch seine Prismenexperimente, dass weißes Licht in spektrale Bestandteile zerlegt werden kann. Farbe wurde dadurch zunehmend als physikalisch messbares und zugleich wahrnehmungsabhängiges Phänomen verständlich.
Damit waren zwei Ebenen des Sehens deutlich geworden:
Die Außenwelt liefert Licht.
Das Nervensystem macht daraus Wahrnehmung.
Und genau in dem Raum zwischen beidem entstehen optische Illusionen.
Das 19. Jahrhundert: Das Auge wird zum aktiven Verarbeitungssystem
Im 19. Jahrhundert verlagerte sich die Forschung stärker darauf, wie das menschliche visuelle System die eintreffenden Informationen verarbeitet.
Thomas Young hatte bereits zu Beginn des Jahrhunderts vorgeschlagen, dass Farbwahrnehmung auf einer begrenzten Zahl unterschiedlicher sensorischer Mechanismen beruhen müsse. Hermann von Helmholtz und später auch James Clerk Maxwell entwickelten diese trichromatische Sichtweise experimentell weiter. Aus diesen Arbeiten entstand die historische Young-Helmholtz-Tradition der Farbwahrnehmung.
Joseph Plateau untersuchte zeitliche Eigenschaften der Wahrnehmung und die Fortdauer visueller Eindrücke. Seine Arbeiten zur visuellen Persistenz und zu Apparaturen, die einzelne statische Bilder als Bewegung erscheinen lassen konnten, gehörten gleichzeitig zur Vorgeschichte des Films.
Besonders wichtig für spätere Illusionsforschung wurde Ernst Mach.
1865 beschrieb er die heute nach ihm benannten Mach-Bänder: An bestimmten Helligkeitsgradienten nimmt der Betrachter helle und dunkle Bänder wahr, die im tatsächlichen physikalischen Stimulus gar nicht vorhanden sind.
Das visuelle System kopiert Helligkeit also nicht einfach.
Es verstärkt bestimmte Unterschiede.
Es interpretiert.
Es konstruiert.
Damit wurde immer deutlicher, dass Wahrnehmung kein neutraler fotografischer Vorgang ist.
Das Gehirn erstellt aus unvollständigen, kontextabhängigen und teilweise widersprüchlichen Signalen eine möglichst plausible visuelle Realität.
Genau diese Eigenschaft macht optische Illusionen überhaupt erst möglich.
1908: Wenn ein Kreis zur Spirale wird
Einen besonders eleganten Beweis dafür veröffentlichte James Fraser 1908 mit seiner Arbeit A New Visual Illusion of Direction.
Bei der heute berühmten Fraser-Spirale sieht der Betrachter scheinbar eine sich nach innen beziehungsweise außen windende Spirale.
Tatsächlich liegen konzentrische Kreise vor.
Die Täuschung entsteht dadurch, dass lokale schräg orientierte Elemente die globale Interpretation der Form beeinflussen.
Damit demonstrierte Fraser ein fundamentales Prinzip der visuellen Wahrnehmung:
Lokale Bildstrukturen können die Wahrnehmung der gesamten Szene verändern.
Ein Bild ist für das Gehirn also nicht einfach die Summe seiner einzelnen Pixel oder Linien.
Es wird als System interpretiert.
Von der Form zur Bewegung
Im 20. Jahrhundert wurde diese Forschung zunehmend auf Bewegungswahrnehmung übertragen.
Stuart Anstis untersuchte intensiv, unter welchen Bedingungen Bewegung gesehen wird, obwohl die physikalischen Eigenschaften eines Reizes eine andere Interpretation nahelegen. Gemeinsam mit Brian Rogers zeigte er 1975 beispielsweise, dass Änderungen des Kontrasts zu einer scheinbaren Umkehr von Bewegungs- und Tiefenrichtung führen können.
1979 beschrieben Alex Fraser und Kimerly Wilcox einen Effekt, der für die spätere Entwicklung statischer Bewegungsillusionen besonders wichtig wurde.
Ihre Muster bestanden aus wiederholten Helligkeitsgradienten.
Obwohl der Stimulus vollkommen statisch war, entstand insbesondere unter peripheren Betrachtungsbedingungen der Eindruck von Bewegung.
Es bewegte sich nichts.
Und trotzdem wurde Bewegung gesehen.
Diese Arbeit gehört zu den entscheidenden Vorläufern der heutigen Peripheral-Drift-Illusion.
1983 untersuchten Richard Gregory und Priscilla Heard systematisch, wie Helligkeits- und Kontraständerungen scheinbare Verschiebungen, Bewegung und sogar Veränderungen der wahrgenommenen räumlichen Tiefe erzeugen können.
Besonders interessant daran ist die Verbindung zweier Bereiche, die für PMDD später ebenfalls eng zusammengehören sollten:
Bewegungswahrnehmung und Tiefenwahrnehmung.
1999: Peripheral Drift
1999 veröffentlichten Jocelyn Faubert und Andrew Herbert ihre Arbeit The Peripheral Drift Illusion: A Motion Illusion in the Visual Periphery.
Sie zeigten, dass kreisförmig angeordnete asymmetrische Helligkeitsverläufe einen deutlichen Bewegungseindruck hervorrufen können.
Besonders stark tritt dieser Effekt auf, wenn der Blick wandert, der Betrachter blinzelt oder die betreffenden Strukturen außerhalb der zentralen Fixation liegen.
Als Erklärung diskutierten Faubert und Herbert das Zusammenspiel von visuellen Transienten nach Augenbewegungen oder Blinzeln, unterschiedlichen Verarbeitungslatenzen verschiedener Helligkeitssignale und deren räumlich-zeitlicher Integration.
Damit war ein besonders faszinierender Wahrnehmungseffekt wissenschaftlich klar beschrieben:
Ein statisches Bild kann innerhalb unseres visuellen Systems ein Bewegungssignal erzeugen.
2003: Die „Rotating Snakes“
Weltweit bekannt wurde dieses Prinzip insbesondere durch den japanischen Psychologen Akiyoshi Kitaoka.
Am 2. September 2003 veröffentlichte er seine berühmten Rotating Snakes.
Die aus wiederkehrenden Farb- und Helligkeitssequenzen aufgebauten Ringe scheinen sich spontan zu drehen. Besonders bei Blickbewegungen und peripherer Betrachtung kann der Effekt erstaunlich intensiv werden. Kitaoka beschreibt das zugrunde liegende Prinzip selbst als optimierte Fraser-Wilcox-Illusion.
Die „Rotating Snakes“ machten deutlich, wie leistungsfähig ein präzise gestaltetes statisches Muster sein kann.
Und doch besitzen klassische Darstellungen dieser Art eine sehr typische Eigenschaft:
Die Illusion selbst ist das Motiv.
Der Betrachter sieht Kreise, Muster, Farbabfolgen oder geometrische Strukturen – und genau diese bewegen sich scheinbar.
Die nächste große Frage lautete deshalb:
Muss eine Bewegungsillusion überhaupt wie eine Bewegungsillusion aussehen?
Neuronale Netze entdecken Bewegungsstrukturen
Mit maschinellem Lernen bekam diese Frage eine neue Dimension.
2022 veröffentlichten Taisuke Kobayashi, Akiyoshi Kitaoka und Kollegen eine Untersuchung, bei der neuronale Netze insgesamt 1.500 Bilder analysierten: klassische Bewegungsillusionen, Gemälde und gewöhnliche Fotografien.
Interessanterweise erzeugten die Netze bei klassischen Bewegungsillusionen Bewegungsvektoren, die menschlichen Wahrnehmungseffekten ähnelten.
Noch überraschender war jedoch, dass sie gelegentlich auch in gewöhnlichen statischen Fotografien anomale Bewegungsvektoren identifizierten.
Aus solchen Regionen erzeugten die Forschenden anschließend neue wiederholende Illusionsdesigns, deren Wirkung psychophysisch überprüft wurde.
Damit entstand eine wichtige Brücke zwischen natürlicher beziehungsweise gegenständlicher Bildinformation und Scheinbewegung.
Bewegungsrelevante visuelle Statistik musste offenbar nicht ausschließlich in den klassischen geometrischen Mustern vorkommen.
Diffusionsmodelle und realistische Illusionen
Mit modernen generativen Modellen wurde diese Entwicklung noch interessanter.
Alexandra Gomez-Villa, Kai Wang und ihre Kollegen untersuchten für CVPR 2025, wie Farb- und Helligkeitsillusionen in den latenten Repräsentationen von Diffusionsmodellen erscheinen.
Sie fanden dort menschenähnliche Verschiebungen der wahrgenommenen Helligkeit und Farbe.
Darauf aufbauend konnten sie neuartige visuelle Illusionen gezielt innerhalb realistischer, mit Text-to-Image-Diffusionsmodellen erzeugter Bilder generieren.
Psychophysische Experimente zeigten anschließend, dass diese Bilder auch menschliche Versuchspersonen tatsächlich täuschten.
Damit war ein entscheidender Schritt erreicht:
Optische Illusion und realistische Bildwelt mussten nicht mehr getrennt voneinander existieren.
Generative KI konnte beide miteinander verbinden.
2026: Von der einzelnen Illusion zur kompletten Wahrnehmungsarchitektur
An genau diesem Punkt begann 2026 meine Arbeit an dem System, aus dem schließlich PMDD wurde.
Meine Ausgangsfrage war nicht, wie man eine klassische Illusion möglichst exakt reproduziert.
Mich interessierte etwas anderes:
Was passiert, wenn man die Wahrnehmungsprinzipien hinter statischer Scheinbewegung so tief in eine reale beziehungsweise fotorealistisch dargestellte Szene integriert, dass die Illusion nicht mehr wie ein aufgesetztes geometrisches Muster wirkt?
Was passiert, wenn nicht ein Kreis zu rotieren scheint, sondern Stoff?
Wenn nicht abstrakte Segmente driften, sondern Nebel?
Wenn Wasser, Pflanzen, Haare, Wolken, technische Oberflächen, Gebäude oder Landschaftsstrukturen selbst Träger bestimmter Bewegungshinweise werden?
Und vor allem:
Was passiert, wenn diese Bewegungsillusion nicht isoliert behandelt wird, sondern gleichzeitig mit räumlicher Tiefe, Objektgrenzen, Perspektive, Blickführung und unterschiedlichen Tiefenschichten geplant wird?
Aus diesen Fragen entwickelte ich zunächst Perceptual Motion Design, kurz PMD.
Sehr schnell zeigte sich jedoch, dass wahrgenommene Bewegung nicht unabhängig vom wahrgenommenen Raum gedacht werden konnte.
Damit entstand:
Perceptual Motion & Depth Design – PMDD
Nach meiner bisherigen Recherche ist PMDD der erste mir auffindbare öffentlich dokumentierte Ansatz, der die Gestaltung statischer Scheinbewegung ausdrücklich mit einer systematischen mehrschichtigen Tiefenarchitektur und objektbezogener Bewegungslogik innerhalb komplexer generativer, realistisch bis fotorealistisch dargestellter Gesamtszenen verbindet.
Darin liegt der spezifische Pionierbeitrag meiner Arbeit.
Nicht ein einzelner Effekt bildet PMDD.
Die Innovation liegt in seiner Architektur.
Das Bild wird zum Wahrnehmungssystem
Der entscheidende Unterschied lässt sich mit einer einfachen Frage erklären.
Bei einer klassischen optischen Bewegungsillusion fragt man:
Welche Struktur erzeugt Bewegung?
Bei PMDD lautet die Frage:
Welche Wahrnehmungsfunktion besitzt jedes Element dieser gesamten Szene?
Ein Objekt kann räumlich stabilisieren.
Ein anderes erzeugt eine Bewegungsrichtung.
Ein drittes verbindet zwei Tiefenschichten.
Nebel kann Entfernung markieren und gleichzeitig Drift suggerieren.
Eine Gebäudekante kann Perspektive und Orientierung stabilisieren.
Ein Stoff kann durch Textur und Kontrast eine lokale Fließbewegung erzeugen.
Ein Gesicht kann vollkommen stabil bleiben und dadurch die scheinbare Bewegung seiner Umgebung sogar verstärken.
Die Szene wird damit zu einer Perceptual Architecture.
Tiefenanker: Bewegung braucht Stabilität
Eine der ersten Grundregeln von PMDD sind sogenannte Depth Anchors – Tiefenanker.
Sie geben dem Auge einen stabilen räumlichen Bezugspunkt.
Das kann ein Gesicht sein.
Eine scharfe architektonische Struktur.
Ein Felsen.
Ein Baumstamm.
Ein Fahrzeug.
Eine Maschine.
Ein Horizont.
Oder ein anderes eindeutig interpretierbares Objekt.
Warum sind solche Anker so wichtig?
Weil Bewegung relational wahrgenommen wird.
Wenn sämtliche Bereiche eines Bildes gleichzeitig visuell instabil sind, verliert die Szene ihre räumliche Ordnung.
Bleibt dagegen ein bestimmtes Element klar definiert und ruhig, erhält das Gehirn einen Referenzrahmen.
Die scheinbare Bewegung benachbarter Strukturen kann dadurch sogar intensiver erscheinen.
Stabilität ist in PMDD deshalb kein Mangel an Bewegung.
Sie ist ein konstruktiver Bestandteil der Bewegungsillusion.
Tiefenstaffelung: Aus einem Bild wird ein Raum
Die zweite Grundlage ist eine deutlich strukturierte Tiefenstaffelung.
Eine PMDD-Szene wird nicht lediglich in Vordergrund und Hintergrund aufgeteilt.
Je nach Motiv können zahlreiche funktionale Ebenen entstehen:
unmittelbarer Vordergrund,
vorderer Mittelgrund,
zentraler Handlungsraum,
hinterer Mittelgrund,
Hintergrund,
atmosphärische Ferne.
Dabei nutzt PMDD bekannte monokulare Tiefenhinweise:
Überdeckung,
relative Größe,
lineare Perspektive,
Texturgradienten,
Schärfeverteilung,
Kontrast,
Licht,
Schatten,
atmosphärische Perspektive.
Diese Hinweise lassen unser Gehirn selbst auf einem vollkommen flachen Display räumliche Beziehungen rekonstruieren.
PMDD erweitert diese klassische Tiefenorganisation anschließend um eine zweite Dimension:
Jede Tiefenschicht kann eine eigene Bewegungscharakteristik besitzen.
Der Vordergrund kann sehr stabil sein.
Eine mittlere Ebene kann scheinbar seitlich driften.
Nebel kann eine weichere Bewegung in Richtung Tiefe erzeugen.
Der entfernte Hintergrund bleibt nahezu unbewegt.
Damit entsteht nicht einfach ein Bewegungsmuster.
Es entsteht ein räumlich gestaffeltes Bewegungsfeld.
Blickführung als Teil der Bewegungsmechanik
Eine PMDD-Szene wird außerdem so komponiert, dass der Blick nicht zufällig durch das Bild wandert.
Linien führen in Richtung wichtiger Objekte.
Kontraste erzeugen Fixationspunkte.
Helligkeit und Schärfe bilden Aufmerksamkeitshierarchien.
Perspektivische Achsen verbinden räumliche Ebenen.
Atmosphärische Übergänge leiten das Auge weiter.
Diese Blickführung besitzt neben ihrer kompositorischen Funktion eine zweite Aufgabe.
Augenbewegungen sind selbst Teil der Wahrnehmung statischer Bewegung.
Bei Peripheral-Drift-Effekten können Sakkaden, Fixationswechsel und Blinzeln die Illusion deutlich beeinflussen.
Der Betrachter wird dadurch unbewusst Teil des Systems.
Das Bild bewegt sich nicht.
Aber die Augen bewegen sich über das Bild – und damit verändert sich die Wahrnehmung des Bildes.
Peripherie-Motion: Bewegung außerhalb des Fokus
Besonders interessant wird dieser Mechanismus außerhalb der zentralen Fixation.
Stellt man beispielsweise ein Gesicht als starken Tiefenanker in den Mittelpunkt, kann der Betrachter dieses Gesicht relativ stabil wahrnehmen.
Gleichzeitig liegen Haare, Kleidung, Vegetation, Lichtstrukturen oder Hintergrundelemente in der visuellen Peripherie.
Dort können gezielt entwickelte Helligkeitsabfolgen, Kontrastwechsel, Mikrotexturen und gerichtete Muster stärkere Bewegungsreize erzeugen.
Dadurch entsteht ein eigenartiges Erlebnis:
Je stärker man einen stabilen Teil des Bildes fixiert, desto lebendiger kann die Umgebung erscheinen.
Objektgebundene Bewegung
Einer der wichtigsten Schritte meiner PMDD-Entwicklung bestand darin, die Bewegungslogik nicht länger nur auf Bildregionen, sondern auf Objekte zu beziehen.
Eine Szene besteht schließlich semantisch nicht aus abstrakten Pixelzonen.
Sie besteht aus Dingen.
Wasser.
Steinen.
Menschen.
Kleidung.
Wolken.
Bäumen.
Gebäuden.
Maschinen.
PMDD ordnet solchen Objekten gezielt unterschiedliche perzeptuelle Funktionen zu.
Ein Stein soll nicht dieselbe Bewegungsidentität besitzen wie Wasser.
Ein Gesicht soll nicht denselben Drift erhalten wie Nebel.
Ein Gebäude darf räumliche Stabilität vermitteln, während Fassadenlicht eine schwächere Bewegungsstruktur trägt.
Aus diesem Gedanken entstanden die Object Motion Maps.
Jedes wichtige Objekt einer Szene kann eine definierte Motion Identity erhalten.
Beispiele sind:
Static – als stabiler Referenzpunkt.
Drift – scheinbar kontinuierliche Bewegung in eine Richtung.
Rotation – lokale oder globale Scheinrotation.
Flow – gerichteter Bewegungsstrom.
Pulse – scheinbares Expandieren und Kontrahieren.
Approach – subjektive Bewegung auf den Betrachter zu.
Retreat – subjektive Bewegung vom Betrachter weg.
Damit entstand innerhalb von PMDD eine Form objektbezogener perzeptueller Physik.
Object-Bound Motion Fields
Aus der Object Motion Map entwickelte ich anschließend gemeinsam mit ChatGPT das Konzept der Object-Bound Motion Fields weiter.
Die Bewegungsillusion sollte innerhalb semantischer Objektgrenzen kontrolliert bleiben.
Ein Kleid darf fließen.
Die Haut daneben bleibt ruhig.
Wasser bewegt sich scheinbar.
Der Felsen am Ufer nicht.
Nebel driftet durch die Landschaft.
Das Gebäude dahinter bleibt räumlich stabil.
Dadurch wird die Illusion nicht über das Bild gelegt.
Sie wird Bestandteil der dargestellten Welt.
Das ist für realistische PMDD-Bilder von entscheidender Bedeutung.
Denn je besser die objektgebundene Bewegungslogik funktioniert, desto weniger sieht der Betrachter einen „optischen Trick“.
Er nimmt stattdessen eine scheinbar lebendige Szene wahr.
Motion Hierarchy: Nicht alles darf gleich stark sein
Ein glaubwürdiger visueller Raum benötigt Hierarchie.
Wären alle Flächen eines Bildes maximal kontrastreich und bewegungsintensiv, würde die Szene in visuelles Rauschen zerfallen.
Deshalb entwickelte PMDD eine Motion Hierarchy.
Es gibt dominante Bewegungsbereiche.
Sekundäre Bewegungsbereiche.
Atmosphärische Bewegung.
Mikrobewegung.
Und vollständige Ruhe.
Diese Hierarchie funktioniert ähnlich wie eine musikalische Komposition.
Es gibt eine Hauptstimme.
Begleitstimmen.
Rhythmische Strukturen.
Übergänge.
Und Pausen.
Gerade die Pausen sind wichtig.
Denn ein absolut stabiler Bereich kann die Wirkung benachbarter Bewegung erheblich verstärken.
Secondary Motion: Wahrgenommene Kausalität
Natürliche Bewegung besteht außerdem selten aus einem einzigen isolierten Vorgang.
Wenn sich ein Körper bewegt, reagieren Kleidung und Haare.
Wind bewegt Pflanzen.
Wasser reagiert auf Hindernisse.
Staub folgt Luftströmungen.
PMDD überträgt diese Logik in statische Wahrnehmung.
Ein dominantes Objekt kann eine Hauptbewegungsrichtung besitzen.
Benachbarte Elemente erhalten schwächere, dazu passende Richtungen.
Das Gehirn beginnt daraufhin, zwischen verschiedenen illusionären Bewegungen eine Beziehung zu konstruieren.
Aus einzelnen Bewegungsreizen wird eine wahrgenommene Kausalität.
Motion in Depth: Bewegung nicht nur über die Fläche
Der nächste Schritt ging über klassische zweidimensionale Drift- und Rotationseffekte hinaus.
Warum sollte wahrgenommene Bewegung nur nach links oder rechts verlaufen?
Warum nicht nach vorne und hinten?
Daraus entstand innerhalb von PMDD das Konzept Motion in Depth.
Ein Objekt kann so gestaltet werden, dass es subjektiv näherzukommen scheint.
Ein anderes zieht sich scheinbar in den Raum zurück.
Nebel kann aus großer Entfernung auf den Betrachter zulaufen.
Eine Struktur kann scheinbar hinter eine andere Tiefenebene absinken.
Damit werden zwei Illusionsformen miteinander gekoppelt:
illusorische Bewegung
und
illusorische räumliche Tiefe.
Aus einer zweidimensionalen Scheinbewegung wird eine wahrgenommene räumliche Dynamik.
Depth Locking: Der Raum braucht Fixpunkte
Je komplexer diese Dynamik wird, desto wichtiger werden stabile räumliche Referenzen.
Daraus entstand Depth Locking.
Ein ausgewähltes Objekt wird visuell so stark innerhalb einer bestimmten Tiefenposition verankert, dass es als stabiler Fixpunkt funktioniert.
Das Gesicht einer Person kann beispielsweise vollkommen ruhig und räumlich eindeutig bleiben.
Kleidung darum herum wirkt dynamischer.
Haare besitzen eine andere Bewegungsrichtung.
Der Hintergrund enthält atmosphärische Drift.
Dadurch entsteht nicht der Eindruck eines vollständig instabilen Bildes.
Es entsteht der Eindruck:
Ein stabiler Gegenstand befindet sich in einer bewegten räumlichen Welt.
Viewer-Space: Der Raum endet nicht an der Displaykante
Mit der weiteren Entwicklung von PMDD entstand schließlich eine noch weitergehende Fragestellung:
Muss die wahrgenommene Tiefe vollständig hinter der Bildfläche liegen?
Oder kann ein Objekt durch Perspektive, Größenverhältnisse, Überdeckung, Schärfe und Kontrast so organisiert werden, dass es subjektiv vor der eigentlichen Displayebene zu schweben scheint?
Daraus entwickelte sich das Konzept der Viewer-Space Projection beziehungsweise Perceptual Depth Projection.
PMDD behandelt das Display dabei nicht mehr zwangsläufig als hinterste Grenze einer zweidimensionalen Komposition.
Die Displayfläche wird zu einer räumlichen Referenzebene.
Einige Elemente liegen subjektiv dahinter.
Andere scheinen ungefähr auf ihr zu liegen.
Wieder andere können sich perzeptuell in Richtung Betrachter erstrecken.
Natürlich entsteht dadurch keine echte stereoskopische Projektion.
Das Display bleibt physikalisch flach.
Aber genau darin liegt der Reiz:
Das Gehirn konstruiert einen Raum, den das Medium selbst physikalisch überhaupt nicht besitzt.
Die besondere Rolle realer und fotorealistischer Bildwelten
Hier liegt ein wesentlicher Schwerpunkt meiner Arbeit mit PMDD.
Die dargestellte Szene soll trotz ihrer Wahrnehmungsarchitektur als echte Welt beziehungsweise glaubwürdige fotorealistische Bildwelt funktionieren.
Das illusionäre System darf das Motiv nicht übernehmen.
Es soll darin verschwinden.
Ein Wald soll zuerst Wald bleiben.
Ein Mensch bleibt Mensch.
Ein Tier bleibt Tier.
Ein Gebäude bleibt Architektur.
Ein Planet bleibt Planet.
Wasser bleibt Wasser.
Erst beim Betrachten beginnt etwas Ungewöhnliches zu passieren.
Einige Oberflächen scheinen sich zu verändern.
Bereiche beginnen zu driften.
Tiefe verstärkt sich.
Das Auge wechselt zwischen Stabilität und Bewegung.
Genau dieser Übergang von der offensichtlichen optischen Versuchsanordnung zur integrierten Wahrnehmungsarchitektur einer komplexen realistischen Szene bildet einen der charakteristischen Pionierschritte von PMDD.
Nach der bislang durchgeführten Recherche finde ich keinen älteren öffentlich dokumentierten Ansatz, der diese konkrete Kombination aus statischer Scheinbewegung, objektgebundener Bewegungslogik und systematischer mehrstufiger Tiefenkonstruktion in generierten realistischen Gesamtszenen als zusammenhängendes Framework formuliert.
Die Entstehung von PMDD
PMDD entstand nicht als fertige Theorie.
Das System entwickelte sich iterativ.
Jede Generation entstand dadurch, dass ich eine Grenze der vorherigen Generation identifizierte und die nächste Frage stellte.
PMD 1.0 – Perceptual Motion Design
August 2026
Der Ausgangspunkt meiner Entwicklung war die Frage, wie sich innerhalb eines einzelnen statischen KI-Bildes eine besonders intensive Wahrnehmung von Bewegung erzeugen lässt.
PMD 1.0 konzentrierte sich deshalb zunächst auf:
statische Scheinbewegung,
Kontrastfolgen,
Helligkeitsgradienten,
lokale Muster,
periphere Wahrnehmung,
Blickbewegungen,
Rotation,
Drift und Flow.
Die Bewegung stand im Mittelpunkt.
Doch bereits die ersten Experimente machten eine entscheidende Grenze sichtbar:
Ein stark bewegungsillusionäres Bild kann beeindruckend sein – wirkt aber noch nicht zwangsläufig räumlich glaubwürdig.
Damit entstand die nächste Entwicklungsstufe.
PMDD 2.0 – Perceptual Motion & Depth Design
August 2026
Mit PMDD 2.0 erweiterte ich das ursprüngliche Motion-Konzept gezielt um Depth.
Aus Perceptual Motion Design wurde:
Perceptual Motion & Depth Design.
Neu war die systematische Verbindung der Bewegungsillusion mit:
Tiefenankern,
Vorder-, Mittel- und Hintergrundstaffelung,
Perspektive,
Occlusion,
relativer Größe,
Texturgradienten,
atmosphärischer Tiefe,
Schärfe- und Kontrasthierarchien.
Damit wurde eine zentrale PMDD-Regel formuliert:
Bewegung darf nicht unabhängig von dem Raum entwickelt werden, in dem sie wahrgenommen werden soll.
Dieser Schritt machte aus einer reinen Motion-Technik erstmals eine räumliche Gestaltungsarchitektur.
PMDD 3.0 – Objektbasierte Wahrnehmungsphysik
August 2026
Bei der weiteren Arbeit erkannte ich eine zweite Grenze:
Auch ein räumlich gegliedertes Bild bleibt zu undifferenziert, wenn sämtliche Bewegungsregeln global auf die ganze Szene angewandt werden.
Meine nächste Entwicklungsfrage lautete deshalb:
Warum sollte nicht jedes Objekt seine eigene Bewegungsidentität besitzen?
PMDD 3.0 führte daraufhin die objektbasierte Struktur des Systems ein.
In dieser Phase entstanden beziehungsweise wurden systematisiert:
Anchor Objects,
Dynamic Objects,
Atmospheric Objects,
Object Motion Maps,
Motion Identities,
Object-Bound Motion Fields,
Motion Hierarchy,
Secondary Motion,
Motion in Depth,
Depth Locking.
Damit erfolgte einer der wichtigsten Entwicklungssprünge von PMDD.
Nicht mehr das Bild bekam eine Bewegung.
Die einzelnen Bestandteile der dargestellten Welt bekamen unterschiedliche Wahrnehmungsrollen.
Damit wurde PMDD erstmals zu einer Art perzeptueller Szenenphysik.
PMDD 3.x – Wahrnehmung als zusätzliche Bildebene
August 2026
Während der praktischen Arbeit zeigte sich anschließend, dass das endgültige visuelle Erlebnis nicht vollständig in der erzeugten Bilddatei liegt.
Die Datei enthält lediglich die Reize.
Die wahrgenommene Bewegung entsteht erst durch deren Verarbeitung.
Damit rückte die Interaktion zwischen Bild und Betrachter stärker in den Mittelpunkt.
Fixationswechsel, periphere Wahrnehmung, unterschiedliche Bewegungsstärken und räumliche Mehrdeutigkeit wurden zunehmend als Bestandteile eines gemeinsamen Systems betrachtet.
Diese Erweiterung bereitete PMDD 4.0 vor.
PMDD 4.0 – Perceptual Depth Projection und Viewing Geometry
August 2026
Mit PMDD 4.0 erweiterte ich das System schließlich über die interne Szenenarchitektur hinaus.
Nun wurde auch die Beziehung zwischen Bild und Betrachter ausdrücklich Bestandteil des Frameworks.
Die zentrale Frage lautete:
Wie verhält sich der wahrgenommene Raum relativ zur Bildfläche und zum Betrachter?
Daraus entstanden beziehungsweise wurden weiterentwickelt:
Viewing Geometry,
Perceptual Depth Projection,
Viewer-Space Projection,
Perceptual Motion Geometry,
lokale Motion Fields,
Depth-Motion Coupling,
mehrstufige Wahrnehmungs- und Tiefenebenen,
räumlich selektive Scheinbewegung.
Damit erreichte PMDD eine neue Entwicklungsstufe.
Das statische Bild sollte nicht mehr nur eine Szene darstellen.
Es sollte als Wahrnehmungsraum funktionieren.
Von PMDD 4.0 zur praktischen Anwendung
Im weiteren Verlauf von August und September 2026 überführte ich die einzelnen Konzepte zunehmend in reproduzierbare praktische Bildgestaltung.
Dabei kristallisierten sich mehrere Qualitätskriterien heraus.
Ein gutes PMDD-Bild benötigt keine maximale Anzahl von Effekten.
Im Gegenteil.
Die überzeugendsten Ergebnisse entstehen häufig dann, wenn die Wahrnehmungselemente präzise kontrolliert werden.
Es braucht stabile Bereiche.
Bewegungsbereiche.
Tiefenunterschiede.
Übergänge.
Atmosphärische Verbindungsschichten.
Und vor allem:
eine glaubwürdige Szene.
Denn das Ziel von PMDD ist nicht, dass der Betrachter zuerst denkt:
„Das ist eine optische Täuschung.“
Das Ziel ist eher:
„Warum bewegt sich dieses Bild?“
Die Technik soll möglichst wenig sichtbar sein.
Ihre Wirkung umso mehr.
PMDD als Human-AI-Co-Design
Auch die Entwicklungsmethode selbst ist Teil dieser Geschichte.
PMDD entstand durch einen fortlaufenden Dialog zwischen mir und ChatGPT.
Dabei übernahm ich nicht lediglich fertige Vorschläge einer KI.
Der Entwicklungsprozess verlief iterativ.
Ich definierte visuelle Ziele.
Ich analysierte Ergebnisse.
Ich identifizierte Schwächen.
Ich stellte die nächste Entwicklungsfrage.
Ich entschied, welche Effekte weiterverfolgt, verworfen oder miteinander kombiniert werden sollten.
Aus meiner Forderung nach stärkerer Räumlichkeit entstand die Erweiterung von PMD zu PMDD.
Aus der Beobachtung, dass globale Bewegung zu unspezifisch war, entwickelte sich die objektbasierte Bewegungslogik.
Aus der Frage nach Bewegung zwischen verschiedenen Tiefenschichten entwickelte sich Motion in Depth.
Aus dem Problem instabiler Bildbereiche entstand Depth Locking.
Und aus der Beschäftigung mit der Beziehung zwischen Bildfläche und Betrachter entwickelte sich Viewer-Space Projection.
ChatGPT unterstützte diesen Prozess als analytischer und konzeptioneller Entwicklungspartner: durch Recherche, Systematisierung, Begriffsentwicklung, Vergleich mit Wahrnehmungsforschung und die formale Strukturierung der einzelnen Generationen.
So entstand PMDD nicht als einzelner Prompt, sondern als sukzessiv entwickeltes Framework.
Was geschieht eigentlich im Kopf des Betrachters?
Das vielleicht Faszinierendste an PMDD ist, dass der wesentliche Teil seiner Wirkung nicht im Bild selbst stattfindet.
Eine Bilddatei kennt keine Bewegung.
Sie kennt Pixelwerte.
Koordinaten.
Farben.
Helligkeiten.
Kontraste.
Texturen.
Das visuelle System macht daraus Bewegung.
Und genauso wenig enthält ein zweidimensionales Bild echte räumliche Tiefe.
Alle Pixel befinden sich auf derselben Oberfläche.
Das Gehirn interpretiert jedoch Perspektive, Größenverhältnisse, Verdeckungen, Texturen, Kontrast und Atmosphäre – und konstruiert daraus einen Raum.
PMDD koppelt diese beiden Konstruktionsleistungen:
Bewegung aus unbewegten Informationen.
Raum aus einer flachen Oberfläche.
Das eigentliche PMDD-Erlebnis entsteht deshalb zwischen drei Ebenen:
dem physikalischen Bild,
dem Auge,
und dem Gehirn.
Warum reale Szenen dabei besonders interessant sind
Gerade bei realistischen Szenen besitzt dieser Vorgang eine zusätzliche Dimension.
Unser Gehirn bringt bereits sehr genaue Erwartungen darüber mit, wie sich Dinge verhalten sollten.
Wasser fließt.
Nebel driftet.
Haare reagieren auf Bewegung.
Stein bleibt stabil.
Gebäude besitzen Gewicht.
Wolken verändern sich.
Stoff fällt und schwingt.
Wenn perzeptuelle Bewegungsreize mit diesen Erwartungen übereinstimmen, kann die Wahrnehmung die fehlende reale Bewegung gewissermaßen ergänzen.
PMDD arbeitet deshalb nicht gegen die Semantik eines Bildes.
Im Idealfall arbeitet es mit ihr.
Ein Objekt erhält nicht irgendeine Scheinbewegung.
Es erhält eine Bewegungscharakteristik, die zu seiner wahrgenommenen Materialität, Funktion und Position im Raum passt.
Dadurch nähert sich PMDD zunehmend einer Idee an, die ich als Perceptual Physics bezeichne:
Eine Welt besitzt keine tatsächliche physische Dynamik – aber ihre visuelle Organisation liefert genügend Hinweise, damit das Wahrnehmungssystem eine glaubwürdige Dynamik konstruiert.
Zwischen Kunst, Wahrnehmungsforschung und generativer KI
PMDD liegt damit an einer interessanten Schnittstelle.
Es ist kein Ersatz für psychophysische Grundlagenforschung.
Aber es verwendet Erkenntnisse aus dieser Forschung als Gestaltungswerkzeug.
Es ist keine klassische Op-Art.
Aber es übernimmt Wahrnehmungsprinzipien aus der Geschichte optischer Illusionen.
Es ist kein 3D-Rendering-Verfahren.
Aber es organisiert monokulare Tiefenhinweise systematisch.
Es ist keine Animation.
Aber es beschäftigt das Bewegungswahrnehmungssystem.
Und es ist nicht einfach nur „KI-Kunst“.
Generative KI dient innerhalb von PMDD als Werkzeug, um hochkomplexe visuelle Szenen mit einer Detaildichte zu erzeugen, die für solche Experimente besonders interessant ist.
Mögliche nächste Schritte
Aus dem bisherigen Framework ergeben sich eine Reihe wissenschaftlich und gestalterisch interessanter Fragen.
Wie stark lässt sich die subjektive Bewegungsintensität verschiedener PMDD-Strukturen messen?
Welche Bereiche eines PMDD-Bildes ziehen zuerst den Blick an?
Wie verändern unterschiedliche Fixationspunkte die wahrgenommene Bewegung?
Welche Kombinationen aus Tiefenstaffelung und Scheinbewegung erzeugen die stärkste räumliche Präsenz?
Wie unterscheiden sich PMDD-Bilder von klassischen Peripheral-Drift-Illusionen in Eye-Tracking-Experimenten?
Kann Depth Locking experimentell quantifiziert werden?
Lassen sich objektgebundene Motion Fields durch psychophysische Tests bestätigen?
Und beeinflusst eine solche Wahrnehmungsarchitektur langfristig Aufmerksamkeit, Erinnerbarkeit oder Informationsaufnahme?
Diese Fragen sind noch offen.
Gerade deshalb ist das Feld für mich so interessant.
PMDD ist kein abgeschlossenes Produkt.
Es ist ein sich entwickelndes System.
Von Euklid zu generativen Wahrnehmungsräumen
Wenn man die gesamte Entwicklung betrachtet, ergibt sich ein bemerkenswerter historischer Bogen.
Vor mehr als zweitausend Jahren begann die mathematische Untersuchung des Sehens.
Später wurde verstanden, dass Licht in das Auge gelangt.
Kepler erklärte die optische Abbildung auf der Netzhaut.
Newton zerlegte weißes Licht.
Young und Helmholtz beschäftigten sich mit der biologischen Konstruktion von Farbe.
Plateau untersuchte zeitliche Nachwirkungen visueller Reize.
Mach zeigte, dass unser Wahrnehmungssystem Helligkeitsunterschiede erzeugen kann, die physikalisch nicht existieren.
Fraser zeigte, dass lokale Orientierung globale Form verfälschen kann.
Fraser und Wilcox zeigten, dass statische Helligkeitsmuster Bewegung erzeugen können.
Gregory und Heard untersuchten die Verbindung von Kontrast, Bewegung, Position und Tiefe.
Faubert und Herbert formalisierten Peripheral Drift.
Kitaoka optimierte diese Prinzipien zu außergewöhnlich starken statischen Bewegungsillusionen.
Neuronale Netze begannen anschließend, ähnliche Bewegungsstrukturen in Bildern zu erkennen.
Diffusionsmodelle machten schließlich die Erzeugung visueller Illusionen innerhalb realistischer Bildwelten möglich.
Und 2026 begann ich mit PMDD, diese inzwischen weitgehend getrennt entwickelten Möglichkeiten zu einem eigenen Designframework für komplexe statische Wahrnehmungsräume zusammenzuführen:
Bewegung.
Tiefe.
Objekte.
Materialität.
Blickführung.
Peripherie.
Räumliche Hierarchie.
Und die Position des Betrachters.
Das eigentliche Medium ist die Wahrnehmung
Vielleicht lässt sich PMDD am Ende auf einen Gedanken reduzieren:
Ein Bild endet nicht bei seinen Pixeln.
Das physikalische Bild liefert lediglich Informationen.
Was wir daraus sehen, entsteht erst während der Verarbeitung.
Eine zweidimensionale Fläche kann zu einem tiefen Raum werden.
Ein unbewegtes Muster kann Bewegung erzeugen.
Ein statischer Nebel kann scheinbar driften.
Eine Textur kann pulsieren.
Ein Objekt kann subjektiv näher kommen.
Ein anderes scheint in die Ferne zurückzuweichen.
Und manchmal muss etwas vollkommen ruhig bleiben, damit wir die Bewegung daneben überhaupt richtig sehen können.
Das eigentliche Medium von PMDD ist deshalb nicht nur das generierte Bild.
Das eigentliche Medium ist die menschliche Wahrnehmung.
Die Pixel liefern den Reiz.
Das Auge liefert Bewegung.
Das Gehirn konstruiert Raum.
PMDD gestaltet die Bedingungen dafür.
Oder, in einem Satz:
Das Bild auf dem Bildschirm ist nur ein Teil des Werkes – den anderen erzeugt der Betrachter selbst.
Und genau deshalb lade ich euch ein, die folgenden Bilder nicht einfach nur anzusehen.
Lasst euren Blick wandern.
Fixiert einzelne Objekte.
Beobachtet ihre Umgebung.
Schaut in die Tiefe.
Achtet auf die Peripherie.
Bewegt Euch dabei. Nach links und rechts, oberhalb und unterhalb, dichter und weiter entfernt.
Was bleibt still?
Was beginnt sich zu bewegen?
Was liegt hinter der Bildfläche?
Und was scheint plötzlich davor zu liegen?
Und dann stellt euch eine letzte Frage:
Wie viel von dem, was ihr gerade seht, befindet sich tatsächlich im Bild – und wie viel davon entsteht erst in eurem eigenen Wahrnehmungssystem?
Viel Spaß beim Eintauchen in die Bilder. 😄
EU Disclaimer: Alle Bilder sind KI generiert.
Antike, Mittelalter & Renaissance (Grundlagen der Optik)
* Euklid (ca. 300 v. Chr.) – Geometrie des Sehens: Historischer Überblick zur "Optik" des Euklid und den ersten mathematischen Beschreibungen der Perspektive.
* https://de.wikipedia.org/wiki/Euklidische_Optik
* Ibn al-Haytham / Alhazen (965–1040) – Licht und Auge: Sein Hauptwerk "Schatz der Optik" (Kitāb al-Manāẓir) belegte als erstes, dass Sehen durch Lichtstrahlen geschieht, die ins Auge fallen.
* https://de.wikipedia.org/wiki/Schatz_der_Optik
* Johannes Kepler & Isaac Newton – Netzhaut und Lichtnatur: Fachbeiträge zur historischen Entwicklung der Optik, Keplers Entdeckung der Netzhautprojektion und Newtons Spektralfarben.
* https://www.leifiphysik.de/optik/lichtausbreitung/geschichte/geschichte-der-optik
19. Jahrhundert (Wahrnehmungspsychologie & Farbwahrnehmung)
* Thomas Young & Hermann von Helmholtz – Farbwahrnehmung: Die Grundlagen der "Dreifarbentheorie" (Young-Helmholtz-Theorie), die erklärt, wie das Auge Farben mischt und wahrnimmt.
* https://de.wikipedia.org/wiki/Young-Helmholtz-Theorie
* Joseph Plateau – Nachbilder & Bewegung: Forschungen des belgischen Physikers, der mit dem Phenakistiskop die Grundlage für bewegte Bilder und Nachbildeffekte schuf.
* https://de.wikipedia.org/wiki/Joseph_Plateau
* Ernst Mach – Kontrast- und Helligkeitseffekte: Die nach ihm benannten "Machschen Streifen", die demonstrieren, wie das menschliche Auge Kanten durch laterale Hemmung optisch verstärkt.
* https://de.wikipedia.org/wiki/Machsche_Streifen
Frühes und spätes 20. Jahrhundert (Formalisierung optischer Täuschungen)
* James Fraser (1908) – Die Fraser-Spirale: Detaillierte Erklärung der ersten großen geometrischen Richtungs-Illusion, bei der verschobene Muster eine scheinbare Spirale erzeugen.
* https://www.newworldencyclopedia.org/entry/Fraser_spiral_illusion
* Stuart Anstis (1970er) – Bewegungsillusionen: Übersicht der jahrzehntelangen Arbeit von Prof. Stuart Anstis (UC San Diego) zu peripherem Sehen und Bewegungsreizen.
* Alex Fraser & Kimerly Wilcox (1979) – Der Fraser-Wilcox-Effekt: Eine wissenschaftliche Aufarbeitung und Erweiterung der ursprünglichen "Rolltreppen-Illusion" durch Akiyoshi Kitaoka (inklusive Historie des Effekts).
* https://www.psy.ritsumei.ac.jp/akitaoka/OUP-FWillusion-chapter-68.pdf
* Richard Gregory & Priscilla Heard (1983) – Helligkeit und Bewegung: Originalpublikation "Visual dissociations of movement, position, and stereo depth" zur Abhängigkeit der Bewegungswahrnehmung von Luminanz-Kontrasten.
* https://journals.sagepub.com/doi/10.1068/p120361
* Jocelyn Faubert & Allan Herbert (1999) – Peripheral Drift Illusion: Die wegweisende Studie "The peripheral drift illusion: A motion illusion in the visual periphery", die den Effekt präzise messbar machte.
* https://journals.sagepub.com/doi/10.1068/p280617
Moderne Ära (Rotating Snakes & KI-Diffusionsmodelle)
* Akiyoshi Kitaoka (ab 2003) – Rotating Snakes: Die offizielle Illusions-Sammlung des japanischen Psychologen, der die Peripheral Drift Illusion perfektionierte.
* https://www.ritsumei.ac.jp/~akitaoka/index-e.html
* Erklärung zu Kitaokas Arbeiten: Ein anschaulicher Artikel über die exakte visuelle und psychologische Mechanik hinter den "Rotating Snakes".
* https://remosince1988.com/blogs/stories/rotating-snakes
* Alexandra Gomez-Villa et al. (2024/2025) – Generative KI und visuelle Illusionen: Die aktuelle Vorabpublikation (arXiv / CVPR 2025), die nachweist, dass KI-Diffusionsmodelle optische Täuschungen im latenten Raum ähnlich verarbeiten wie das menschliche Gehirn.
* https://arxiv.org/abs/2412.10122
#OptischeTäuschung #OpticalIllusion #VisualPerception #Wahrnehmungspsychologie #VisualIllusions #PerceptualMotion #MotionIllusion #RotatingSnakes #AkiyoshiKitaoka #FraserWilcoxEffect #PeripheralDrift #VisualPerceptionArt #GenerativeAI #AIArt #PerceptualDesign