Iconographics. Computational Understanding of Iconography and Narration in Visual Cultural Heritage
Das interdisziplinäre Forschungsprojekt „Iconographics“ widmet sich innovativen Möglichkeiten der digitalen Bilderkennung für die Kunst- und Geisteswissenschaften. Während computer vision bereits vielfach imstande ist, einzelne Objekte oder spezifische künstlerische Stile in Bildern zu identifizieren, stellt sich das Projekt dem offenen Problem, auch die komplexeren Bildstrukturen und Zusammenhänge digital zu erschließen.
Auf Basis einer engen fächerübergreifenden Zusammenarbeit von Klassischer Archäologie, Christlicher Archäologie, Kunstgeschichte und den Informatischen Wissenschaften sowie in gemeinsamer theoretischer & methodischer Reflexion wird eine große Menge vielschichtiger Bildwerke analysiert, verglichen und kontextualisiert. Das Ziel ist, die oft sehr komplexen kompositorischen, erzählerischen und semantischen Strukturen dieser Bilder für computer vision fassbar zu machen.
Aktuelles zum Projekt
Was griechische Vasen über das Leben der Menschen in der Antike verraten
Wie kann man in der heutigen Zeit einen Einblick in die uns fremde Kultur des antiken Griechenlands erhalten? Eine Möglichkeit dafür, die Interpretation der Malereien auf antiken Vasen, stellt Prof. Corinna Reinhardt vom Lehrs...
Article by Prof. Dr. Peter Bell und Dr. Fabian Offert
In many critical investigations of machine vision, the focus lies almost exclusively on dataset bias and on fixing datasets by introducing more and more diverse sets of images. We propose that machine vision systems are inherently biased not onl...
Background
Deep learning has enabled reliable image classification and object detection. In our reseach, we focus on the transferability of deep learning techniques to the art domain. However, deep learning technologies are based on deep neural networks consisting of millions of parameters that nee...
Inspired from the pioneer work of Max Imdahl [1], our work focuses on generating image composition canvas (ICC) diagrams based on two central themes: (a) detection of action regions and action lines of an artwork (b) pose-based segmentation of foreground and background.
This work exploits style transfer in combination with transfer learning to recognize characters in art historical images. Our approach focuses on recognizing two central characters in the “Annunciation of the Lord” scene from Art history, Mary and Gabriel across varied art-works from different artists, times and styles.
Prof. Dr. Peter Bell über die automatisierte Erkennung kunstgeschichtlicher Darstellungen
Wie können Computer weihnachtliche Szenen automatisiert erkennen und verstehen? Wie haben sich festliche Motive über die Jahre verändert? Diesen Fragen widmete sich am Montag, 16. Dezember, die Veran...
Das Projekt beschäftigt sich mit einem wichtigen Aspekt aus den Bereichen
Kunst, Archäologie und dem kulturellen Erbe: Ikonographie und narrative
Bilder.
gefördert durch die Emerging Fields Initiative an der FAU Erlangen-Nürnberg