Metadaten

Heidelberger Akademie der Wissenschaften [Hrsg.]
Jahrbuch ... / Heidelberger Akademie der Wissenschaften: Jahrbuch 2015 — 2016

DOI Kapitel:
C. Förderung des wissenschaftlichen Nachwuchses
DOI Kapitel:
II. Das WIN-Kolleg
DOI Kapitel:
Fünfter Forschungsschwerpunkt „Neue Wege der Verflechtung von Natur- und Geisteswissenschaften“
DOI Kapitel:
2. Künstliches und künstlerisches Sehen. Computer Vision und Kunstgeschichte in methodisch-praktischer Zusammenarbeit
DOI Seite / Zitierlink: 
https://doi.org/10.11588/diglit.55653#0261
Lizenz: Freier Zugang - alle Rechte vorbehalten

DWork-Logo
Überblick
Faksimile
0.5
1 cm
facsimile
Vollansicht
OCR-Volltext
C. Förderung des wissenschaftlichen Nachwuchses

den und so leicht von Benutzern mit unterschiedlichen Benutzerumgebungen
verwendet werden können. Mit diesem System wurde in 2015 ein Dutzend
verschiedener kunsthistorischer Korpora automatisch analysiert und kunsthisto-
risch evaluiert. Dazu zählten die vier Bilderhandschriften des Sachsenspiegels,
Originale und nazarenische Kopien von J. A. Ramboux, frühneuzeitliche Archi-
tektur und Traktate, Kreuzigungsdarstellungen aus dem prometheus-Bildarchiv,
ein Auszug aus dem Marburger Porträtindex und Rompläne aus der CIPRO-
Datenbank der Biblioteca Hertziana. Dadurch konnte die Leistungsfähigkeit der
Algorithmen für verschiedene Gattungen und Fragestellungen evaluiert werden.
Die Analysen ermöglichten, größere und heterogene Datensätze anzugehen. Das
Webformat empfahl sich, um Ergebnisse und den Prozess an die kunsthistorische
Fachgemeinschaft überregional vermitteln zu können und externe Kooperationen
vorzubereiten.
Durch einen iterativen Suchprozess kann der Nutzer die Richtung seiner
Bildrecherche immer wieder auf seine Fragestellung hin anpassen, indem er durch
positives und negatives Feedback die einzelnen Suchergebnisse bewertet und der
Algorithmus dann auf Basis dieser Informationen eine neue Suche durchführt.
Dadurch entstehen Ergebnisreihen, die nach Ähnlichkeit zum vorgegebenen
Suchbereich sortiert sind und so zumindest einen eindimensionalen Bildatlas ge-
nerieren.
Der zweite entwickelte Prototyp setzt hingegen auf das maschinelle Lernen
konkreter Objekte, die in einer weitgehend kalkulierbaren Variationsbreite auftre-
ten und ihrer Form nach prägnant genug für eine Wiedererkennung sind. Kapitelle
und andere Formen der antiken Architektur und ihre frühneuzeitliche Nachfolger
eignen sich für diesen Ansatz besonders gut. Beispiele aus den verschiedenen Säu-
lenordnungen wurden erlernt, um mit diesen Trainingsdaten Architekturelemente
in anderen Bildern aufzuspüren.
Im Vortrag zu „Inclusion and Exclusion. Textual and Visual Treatments of
Greek Scholars between Lapo and Giovio“ im Rahmen des Sixty-First Annual
Meeting der Renaissance Society of America, (Berlin, März 2015) wurde der Web-
prototyp in einem Vergleich von Gelehrtenporträts zur Analyse des Griechen-
bildes herangezogen. Im Impulsvortrag „Computergestützte Bildverarbeitung
als Kompetenz des Kunsthistorikers“ im Rahmen des Forums Digitale Kunstge-
schichte am Kunsthistorikertag (Mainz, März 2015) wurde Computer Vision als
Teilaspekt der digitalen Kunstgeschichte vorgestellt und auf das Projekt verwie-
sen. Im Rahmen des 4. Architekturtheoretischen Kolloquium, Stiftung Biblio-
thek Werner Oechslin (Einsiedeln, April 2015) wurden unter dem Titel „Dorisch,
ionisch, algorithmisch. Säulenordnung automatisch Sehen“ Ergebnisse des WIN-
Projekts mit Ergebnissen anderer Arbeiten vorgestellt und Möglichkeiten weite-
rer architektonischer Forschung sondiert. In der Tagung „Connoisseurship nel
XXI secolo“ (Rom, Juni 2015) wurde die Zusammenarbeit von Kunstgeschichte

262
 
Annotationen
© Heidelberger Akademie der Wissenschaften