2. Künstliches und künstlerisches Sehen (WIN-Programm)

Auseinandersetzung aufgegriffen und durch das style-transfer-Verfahren, welches
die Übertragung eines künstlerischen Stils auf eine realistische Fotografie durch
neuronale Netzwerke beschreibt, ergänzt [Abb. 4]. Das Projekt demonstrierte die
erfolgreiche Anwendung informatischer Verfahren auf heterogene Datensätze und
engere Bildgruppen und deren großes Potential für die Forschung. In der letzten
Phase erfolgte eine Reflexion aus kunsthistorischer Sicht auf Grundlage der Eva-
luationsergebnisse; diese wendete sich unter anderem dem Bildvergleich und der
Objektdetektion zu. Die Verwendung von bestehenden Methoden aus der Com-
puter Vision, die einfach auf Kunstdatensätze übertragen werden, ohne deren Spe-
zifika zu beachten, ist ein Aspekt, der hierbei relevant war.
Die Ergebnisse der letzten Phase sowie des gesamten Projektes wurden nun-
mehr auf Konferenzen und in einschlägigen Journals einer breiten Öffentlichkeit
vorgestellt. Im April 2018 stellten Peter Bell, Sabine Lang und Björn Ommer das
Interface und verschiedene Arbeiten auf dem Symposium „Searching Through
Seeing: Optimizing Computer Vision Technology for the Arts“, organisiert durch
die New Yorker Frick Collection, vor; dabei benannte man auch Herausforderun-
gen computerbasierter Methoden. Die Analyse von Bildern der Street Art und die
Bedeutung der Digitalisierung für Kunst wurden auf der im August stattfindenden
„Digital Humanities“-Konferenz in Mexico City präsentiert. Ergebnisse des sty-
le transfer sowie allgemeine Inhalte des Projekts wurden auf der Hauptkonferenz
und in Workshops der diesjährigen „European Conference on Computer Vision“
(ECCV, München) einem informatischen Publikum vorgestellt. Schließlich wur-
den gewonnene Erkenntnisse aus dem WIN-Projekt auch auf dem in Potsdam
stattfmdenden Workshop „Der Digitale Blick“ gezeigt.
Veröffen tl i ch u ngen
Bell, P und Ommer, B.: Training Argus. Kunstchronik, Monatsschrift für Kunstwissen-
schaft, Museumswesen und Denkmalpflege, 68, S. 414—420.
Bell, P, Schlecht,}, und Ommer, B. (2013): Nonverbal Communication in Medieval Illus-
trations Revisited by Computer Vision and Art History. Connoisseurship nel XXI secolo.
Approcci, Limiti, Prospettive, A. Aggujaro & S. Albi (ed.)
Lang, S., und Ommer, B. (2018): Reconstructing Histories: The Analysis of Exhibition
Photographs with Computational Methods. Arts, Computational Aesthetics, 7:64.
Lang, S. und Ommer, B. (2018): Rcflecting on How Artworks are Processed and Analyzed
by Computer Vision. Proceedings of the European Conference on Computer Vision,
Workshop (ECCV).
Lang, S. und Ommer, B. (2018): Attesting Similarity: Supporting the Organization and Stu-
dy of Art Image Collections with Computer Vision. Digital Scholarship in the Humani-
ties, Oxford, Oxford University Press, S. 845 — 856.
Sanakoyeu, A., Kotovenko, D. et al. (2018): A Style-Aware Content Löss for Real-Time HD
Style Transfer. Proceedings of the European Conference on Computer Vision (ECCV),
S. 715-731.

343