Metadaten

Heidelberger Akademie der Wissenschaften [Hrsg.]
Jahrbuch ... / Heidelberger Akademie der Wissenschaften: Jahrbuch 2017 — 2018

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.55651#0295
Lizenz: Freier Zugang - alle Rechte vorbehalten

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

die Erfindung der Diaprojektion oder Aby Warburgs (1866-1929) „Mnemosyne
Atlas“, der die Gegenüberstellung von mehreren Reproduktionen erlaubte. Das
komparative Sehen zum Aufzeigen von motivischen oder stilistischen Entwick-
lungen wurde durch die Verfügbarkeit von computergestützten Verfahren weiter
ausgedehnt und erheblich erleichtert: Nun können Millionen von Bildern ausge-
wertet werden, um überzeitliche Muster zu enthüllen. Das WIN-Projekt umfasst
eine Zusammenarbeit zwischen Computer Vision und Kunstgeschichte, die gemein-
sam Methoden und interaktive Tools zur computergestützten Auswertung von
großen heterogenen Bilddatenbanken entwickelten.
Die (1) erste Phase des Projekts (2013-2015) widmete sich grundlegenden
Fragen des Bildverstehens und verfolgte verschiedene Ansätze des maschinellen
Lernens und Sehens. Daraus resultierte die Entwicklung einer Web-Oberfläche,
die die automatisierte Suche nach Objekten innerhalb einer großen Bildersamm-
lung ermöglichte und damit allgemeine Aussagen bezüglich Rezeptionsgeschich-
te oder Beziehungen zwischen Künstlern zuließ. Im Januar 2016 begann die (2)
zweite Phase des Projekts, wobei vor allem die Analyse von ganzen Bildern im
Vordergrund stand. Das Projekt evaluierte Bilddaten nun im Hinblick auf ganze
Szenen, Kompositionen, Gattungen und Stile. Insgesamt traten kennerschaftliche
Fragestellungen gegenüber ikonographisch/semantischen Analysen in den Vorder-
grund. Die Effizienz des webbasierten Prototypen wurde dabei auf verschiedenen
Datensätzen getestet, darunter mittelalterliche Manuskripte oder Installationsan-
sichten des „Museum of Modern Art“ (New York). Der zweite Zeitraum erweiter-
te zudem die Methodik und untersuchte neue Entwicklungen der Computer Vision,
wie zum Beispiel Convolutional Neural Networks (CNNs), die auf kunsthistorische
Daten angewandt wurden. Die (3) dritte Phase (Beginn Januar 2017) beinhaltete
sowohl die Bearbeitung neuer Aufgabenstellungen als auch die Fortführung beste-
hender. Drei Aspekte waren relevant: Die Verwendung des bestehenden Interfaces
durch Benutzer aus der Kunstgeschichte und der Archäologie, dessen gradueller
Modifikation und die Kommunikation der Ergebnisse nach außen.
Der zweite Zeitraum widmete sich bereits den Installationsfotografien des
MoMA; im Fokus stand die Suche nach bestimmten Kunstwerken und die Betrach-
tung der Hängung der Bilder; diese Aufgabenstellungen wurden weiter verfolgt
und konkretisiert. Vor allem die Suche nach einzelnen Kunstwerken war ergiebig;
am Beispiel der erfolgreichen Suche nach Balthus „Porträt von Joan Miro und sei-
ner Tochter Dolores“ (1940, MoMA) wird die Effizienz der webbasierten Oberflä-
che deutlich [Abb. 1]. Der Thematik der Ausstellungsansicht als kunsthistorischer
Typus wurde weiter nachgegangen; im Gegensatz zur zweiten Phase stand nun die
Frage nach Vorläufern im Mittelpunkt - zu nennen sind die Galeriebilder von Da-
vid Teniers d. J. (1610-1690) - und wie sich bestimmte Aspekte durch die gesamte
Tradition der Ausstellungsansichten ziehen. Konkret waren dies die Anwesenheit
von Menschen, die gewählte Perspektive und Aufnahmeentfernung.

296
 
Annotationen
© Heidelberger Akademie der Wissenschaften