Published February 21, 2024
| Version v1
Conference paper
Open
ReflectAI: Reflexionsbasierte künstliche Intelligenz in der Kunstgeschichte
Authors/Creators
- 1. Ludwig-Maximilians-Universität München, Deutschland
- 2. L3S Research Center, Leibniz Universität Hannover, Deutschland; TIB – Leibniz-Informationszentrum Technik und Naturwissenschaften, Deutschland
Contributors
Data managers:
- 1. Universität Trier
- 2. Universität Luxemburg
- 3. Universität Passau
- 4. Digital Humanities im deutschsprachigen Raum
- 5. Universität zu Köln
Description
Das interdisziplinäre Projekt ReflectAI untersucht den Einsatz von neuronalen Netzen zur Bilderkennung und Ähnlichkeitsbewertung in der Kunstgeschichte. Mit Hilfe von Methoden der "Explainable AI" sollen die als "Black Box" bekannten internen Prozesse künstlicher neuronaler Netze transparenter gemacht und ein tieferes Verständnis der Mechanismen zur Identifikation von Bildähnlichkeiten und Bildclustering erreicht werden. Das Projekt strebt die Integration von Expertenwissen an, indem die Modelle mit kunsthistorischen Texten und multimodalen Informationen trainiert werden. Um ein besseres Verständnis der Bildauswahl zu ermöglichen und mögliche Verzerrungen aufzuzeigen, werden außerdem Wissens- und Szenegraphen erstellt.
Files
PO33_STALTER_Julian_ReflectAI__Reflexionsbasierte_k_nstliche_Inte.pdf
Files
(7.7 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:64352070c8e108d21a11648bf477cebc
|
7.6 MB | Preview Download |
|
md5:531199dbf33a1ace8563b633e9e07e90
|
21.6 kB | Preview Download |
Additional details
Related works
- Is part of
- Book: 10.5281/zenodo.10686564 (DOI)
- Is supplemented by
- Poster: 10.5281/zenodo.10706135 (DOI)