Bildsynthese als Methode des kunsthistorischen Erkenntnisgewinns
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.
Funding
DFG
Lead
Wiss. Mitarbeit: Fabian Offert
Kooperationspartner:
Prof. Dr. Björn Ommer (Universität Heidelberg)