Abstract
Image catalogs containing several million reproductions of artworks still pose a costly or computationally intensive challenge if one tries to categorize them adequately, either in a manual or automatic way. Using crowdsourced annotations assigned by laypersons, this article proposes the application of a clustering algorithm to segment artworks into groups. It is shown that the resulting clusters allow for a consistent reclassification extending the traditional categories (history, genre, portrait, still life, landscape), and thus enable a finely grained differentiation which can be used to search in and filter image inventories, among other things.
Es stellt noch immer eine kosten oder rechenintensive Herausforderung dar, Bildkataloge mit mehreren Millionen Reproduktionen von Kunstwerken händisch oder automatisch zu kategorisieren. Dieser Aufsatz schlägt die Anwendung eines Clustering-Algorithmus auf crowdgesourcte Annotationen von Laien vor, um Kunstwerke in Gruppen zu segmentieren. Es zeigt sich, dass die resultierenden Cluster eine konsistente Reklassifizierung ermöglichen, die von den traditionellen Gattungskategorien ausgehen (Historie, Genre, Porträt, Stillleben, Landschaft), diese aber auch transzendieren. Dadurch wird eine feinkörnige Differenzierung erreicht, die unter anderem zur Suche in und Filterung von Bildinventaren genutzt werden kann.
Dokumententyp: | Zeitschriftenartikel |
---|---|
Publikationsform: | Publisher's Version |
Fakultät: | Geschichts- und Kunstwissenschaften > Department Kunstwissenschaften > Kunstgeschichte |
Themengebiete: | 700 Künste und Unterhaltung > 700 Künste |
URN: | urn:nbn:de:bvb:19-epub-41319-0 |
Sprache: | Englisch |
Dokumenten ID: | 41319 |
Datum der Veröffentlichung auf Open Access LMU: | 01. Dez. 2017, 07:21 |
Letzte Änderungen: | 27. Mrz. 2022, 06:31 |