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#0296
2. Künstliches und künstlerisches Sehen (WIN-Programm).
Abb. 1: FAILE, Houston & Bowery, New York City
Quelle: http://faile.net/
Während die erste Phase hauptsächlich traditionelle Kunstwerke (Hand-
schriften, Grafiken) evaluierte, wandte sich das Projekt zunehmend anderen
Bildtypen und moderner Kunst zu. In der dritten Phase stand nun verstärkt die
Gegenwartskunst im Vordergrund, die aufgrund ihrer Vielfältigkeit (Medien, Sti-
le, Aufnahmemodi) neue Herausforderungen an die Algorithmen stellte. Vor al-
lem die Analyse von Kunst im öffentlichen Raum [Abbildung 2] führt zu neuen
Forschungsfragen, die durch den Einsatz des Web-Interfaces beantwortet werden
können. Diese beziehen sich auf den urbanen Kontext - also auf die räumliche
Beziehung zwischen Kunstwerk und städtischem Raum - und auf sich wieder-
holende Stile und Motive. Da sich Kunstwerke im öffentlichen Raum oft durch
Illegalität und Anonymität auszeichnen, sind digitale Daten nur sehr geringfügig
annotiert. Um CNNs effizient nutzen zu können, braucht es allerdings bisher
annotierte Datenmengen, weshalb das Projekt nun eine Algorithmik entwickelt,
Abb. 2: Suchergebnis auf dem Interface; gezeigt wird die Detektion von Balthus, „Porträt Joan Miro und Tochter
Dolores“ (1940, MoMA).
297
Abb. 1: FAILE, Houston & Bowery, New York City
Quelle: http://faile.net/
Während die erste Phase hauptsächlich traditionelle Kunstwerke (Hand-
schriften, Grafiken) evaluierte, wandte sich das Projekt zunehmend anderen
Bildtypen und moderner Kunst zu. In der dritten Phase stand nun verstärkt die
Gegenwartskunst im Vordergrund, die aufgrund ihrer Vielfältigkeit (Medien, Sti-
le, Aufnahmemodi) neue Herausforderungen an die Algorithmen stellte. Vor al-
lem die Analyse von Kunst im öffentlichen Raum [Abbildung 2] führt zu neuen
Forschungsfragen, die durch den Einsatz des Web-Interfaces beantwortet werden
können. Diese beziehen sich auf den urbanen Kontext - also auf die räumliche
Beziehung zwischen Kunstwerk und städtischem Raum - und auf sich wieder-
holende Stile und Motive. Da sich Kunstwerke im öffentlichen Raum oft durch
Illegalität und Anonymität auszeichnen, sind digitale Daten nur sehr geringfügig
annotiert. Um CNNs effizient nutzen zu können, braucht es allerdings bisher
annotierte Datenmengen, weshalb das Projekt nun eine Algorithmik entwickelt,
Abb. 2: Suchergebnis auf dem Interface; gezeigt wird die Detektion von Balthus, „Porträt Joan Miro und Tochter
Dolores“ (1940, MoMA).
297