2. Künstliches und künstlerisches Sehen (WIN-Programm)
Abb. 2: Ein kleiner Datensatz an Bildern der Street Art wurde mit Annotationen für „ Street Art“, „ Graffiti“
und „Kontext“ versehen; dies soll die Präzision der Detektion für komplexe Bilder verbessern. Quelle: Computer
Vision Gruppe, Universität Heidelberg; Fotografien von Ulrich Blanche.
beide Gemälde in ähnliche Werkgruppen platzierten. De Chiricos Gemälde wurde
zum Beispiel häufig neben Henri Rousseaus Sleeping Gypsy (1897, MoMA) gezeigt
und Balthus Porträt befand sich zumeist im Kontext anderer expressionistischer
Porträts. Trotz Ausnahmen blieben grundsätzliche thematische und formale Be-
züge über die Zeit hinweg bestehen; die Ergebnisse der Untersuchungen wurden
publiziert (Lang et al., Reconstructing Histories, 2018). Auch Bilddaten der Street Art
hat das Projekt in der letzten Phase mit Hilfe des Interface analysiert; aufgrund
der neuen Herausforderungen (unbekannte Stile, Motive, große Kontextregio-
nen, verschiedene Aufnahmewinkel) wurde zunächst ein kleiner Trainingsdaten-
Abb. 3: Markierte Regionen auf einem Bild, das Street Art von Os Gemeos zeigt; diese dienen dem Interface
als Query. Rechts die dazugehörigen Suchresultate. Quelle: Computer Vision Gruppe, Universität Heidelberg;
Bilder: https://www.instagram.com/osgemeos/PhKen.
341
Abb. 2: Ein kleiner Datensatz an Bildern der Street Art wurde mit Annotationen für „ Street Art“, „ Graffiti“
und „Kontext“ versehen; dies soll die Präzision der Detektion für komplexe Bilder verbessern. Quelle: Computer
Vision Gruppe, Universität Heidelberg; Fotografien von Ulrich Blanche.
beide Gemälde in ähnliche Werkgruppen platzierten. De Chiricos Gemälde wurde
zum Beispiel häufig neben Henri Rousseaus Sleeping Gypsy (1897, MoMA) gezeigt
und Balthus Porträt befand sich zumeist im Kontext anderer expressionistischer
Porträts. Trotz Ausnahmen blieben grundsätzliche thematische und formale Be-
züge über die Zeit hinweg bestehen; die Ergebnisse der Untersuchungen wurden
publiziert (Lang et al., Reconstructing Histories, 2018). Auch Bilddaten der Street Art
hat das Projekt in der letzten Phase mit Hilfe des Interface analysiert; aufgrund
der neuen Herausforderungen (unbekannte Stile, Motive, große Kontextregio-
nen, verschiedene Aufnahmewinkel) wurde zunächst ein kleiner Trainingsdaten-
Abb. 3: Markierte Regionen auf einem Bild, das Street Art von Os Gemeos zeigt; diese dienen dem Interface
als Query. Rechts die dazugehörigen Suchresultate. Quelle: Computer Vision Gruppe, Universität Heidelberg;
Bilder: https://www.instagram.com/osgemeos/PhKen.
341