Bildsynthese als Methode des kunsthistorischen Erkenntnisgewinns

Synthetische „Anbetungen“, generiert durch ein sog. generative adversarisal network (GAN)

 

PROJEKTABSTRACT

Digitale Bilder ermöglichen es uns Kunstwerke virtuell zusammenzubringen, sie zu gruppieren und beliebig zu rearrangieren. Die potentiell sehr komplexen Verbindungen, Ähnlichkeiten und Unterschiede innerhalb solcher Datensätze können von Computern analysiert werden. Dies macht jedoch ein Verständnis der grundlegenden, vom Computer gelernten Repräsentationen zwingend für den wissenschaftlich Erkenntnisprozess. Mithilfe generativer Verfahren aus dem Bereich des „deep learning“ soll eine neue Methodik zur Erschließung und Visualisierung von Bildkonzepten etabliert werden, die auf der Analyse dieser Repräsentationen aufbaut, wodurch das synthetische, digitale Bild zu einem bedeutenden Instrument des Interpretationsprozesses sowie des kunsthistorischen Erkenntnisgewinns wird.

TEAM

Peter Bell, Friedrich-Alexander-Universität Erlangen-Nürnberg

Björn Ommer, Universität Heidelberg

Fabian Offert, Friedrich-Alexander-Universität Erlangen-Nürnberg

Matthias Wright, Universität Heidelberg

LINK

https://www.kunstgeschichte.phil.fau.de/forschung/forschungsprojekte/bildsynthese/