Beschreibung

Das Projekt erörtert Einsatzbereiche der Künstlichen Intelligenz für Museumssammlungen online, um Verbindungen, Clusters und Ähnlichkeiten innerhalb einzelner Sammlungen und sammlungsübergreifend besser fassbar zu machen. Konkret baut das Projekt auf der ausgezeichneten Digitalisierungsgrundlage von drei Wiener Museen auf (Wien Museum, Museum für angewandte Kunst, Belvedere) und wird die Methode des representation learning, einer Familie von Deep Learning Verfahren, für die Organisation und Suche von Inhalten in den Beständen der drei Museen nach verschiedenen Ähnlichkeitsprinzipien testen. Dabei wird die Bildanalyse mit der Analyse der Schlagwörter (semantics) verknüpft. Bislang wurde dieses Verfahren für einzelne Sammlungen erfolgreich angewandt, aber noch nie über Sammlungsgrenzen hinweg eingesetzt. Ziel des Projektes ist einerseits die Entwicklung der Methode an sich, als auch von open source Software, mit der die digitalen Sammlungen der drei Museen gemeinsam nach unterschiedlichen Ähnlichkeitsfaktoren der Bilder (Farbe, Form, Motiv, Stil, Künstler,…) analysiert und sortiert werden können. Dadurch soll der Zugang zu den einzelnen Online Sammlungen erleichtert werden und der Wert der Sammlungen durch die breitere Kontextualisierung erhöht werden. Um den Wienbezug weiter zu stärken, ist ebenfalls eine Verbindung mit dem Wien Geschichte Wiki für die erweiterte Kontextualisierung von Künstlerinnen und Künstlern oder anderen Personennamen vorgesehen.

Details

Projektzeitraum 01.01.2022 - 31.12.2022
Fördergeber ÖAW
Department

Department für Kunst- und Kulturwissenschaften

Projekt­verantwortung (Donau-Universität Krems) Mag. Nicole High-Steskal, Ph.D.
Zum Anfang der Seite