Synthetische „Anbetungen“, generiert durch ein „Generative Adversarisal Network” (GAN)
PROJEKTVORSTELLUNG
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 wissenschaftlichen 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/