2. Künstliches und künstlerisches Sehen (WIN-Programm)

malige Einblicke in Prozesse des sozialen Wandels, individueller Mobilität, Ver-
wandtschaft, Ernährung, Sachkultur und Besiedlungswesen einer bäuerlichen
Gemeinschaft erbracht. Eingebettet in die überregionalen Dynamiken dieser Zeit
- die Wanderung menschlicher Individuen aus den eurasischen Steppen nach Mit-
teleuropa, die Ausbreitung der Pest, die Stabilisierung und Lokalisierung mobiler
Gemeinschaften und die Entstehung des frühbronzezeitlichen Austauschnetz-
werks - tragen unsere Forschungen wesentlich zum Verständnis einer Schlüssel-
epoche in der Entwicklung Europas bei.
Publikationen
P. W. Stockhammer/K. Massy/C. Knipper/R. Friedrich/B. Kromer/S. Lindauer/J. Rado-
savljevi/F.-Wittenbom/J. Krause (2015), Rewriting the Central European Early Bronze
Age Chronology: Evidence from Large-Scale Radiocarbon Dating. PLoS ONE 10, 10:
e0139705. <http://journals.plos.org/plosone/articlePidM0.1371/journal.pone.0139705>
P. W. Stockhammer/K. Massy/C. Knipper/R. Friedrich/B. Kromer/S. Lindauer/J. Rado-
savljevi/E. Pernicka/J. Krause (2015), Kontinuität und Wandel von Endneolithikum zur
frühen Bronzezeit in der Region Augsburg. In: H. Meller/H. W Arz/R. Jung/R. Risch
(Hrsg.), 2200 BC „Ein Klimasturz als Ursache für den Zerfall der Alten Welt“ 7. Mittel-
deutscher Archäologentag, 23.-26. Oktober 2014, Halle/Saale: Landesamt für Denkmal-
pflege, 617-641.
2. Künstliches und künstlerisches Sehen. Computer Vision und
Kunstgeschichte in methodisch-praktischer Zusammenarbeit
Kollegialen: Dr. Peter Bell1, Prof. Dr. Björn Ommer2 (Sprecher)
Mitarbeiter: Timo Milbich2
1 Mathematiken, Trancultural Studies (TS), Universität Heidelberg
2 I leidelberg Collaboratory for Image Processing, Mathematikon, Universität Heidelberg
In der ersten Phase des WIN-Projekts 2013/14 wurden grundlegende Fragen des
Bildverstehens angegangen. Neben gemeinsamer Methodenarbeit sind verschie-
dene Ansätze zum maschinellen Lernen und automatischen Sehen sondiert wor-
den. Im Jahr 2015 wurde nun die automatische Analyse von Bildähnlichkeiten
durch die Entwicklung einer generativen Regularisierung erweitert. Diese wurde
in ein diskriminatives Verfahren integriert, um Bildzusammenhänge verlässli-
cher erkennen zu können [1]. Schließlich wurde die Berechnung von visuellen
Ähnlichkeiten durch eine adaptive Selektion von verlässlichen Merkmalen ver-
bessert [2],
Zur experimentellen Evaluation wurden zwei ergonomische Testumge-
bungen geschaffen, die auf einer webbasierten Client-Server Architektur grün-

261