Archiv der Kategorie: Tagging / Annotationen

Farbe in der kunsthistorischen Forschung und die Farb-Tags in ARTigo

Die Wortarten in ARTigo verteilen sich hauptsächlich auf Substantive, die einen Anteil von 83,3 % aller vergebenen Tags ausmachen, Adjektive mit 12,4 % und Verben mit 3,5 %. Die meisten Adjektive bezeichnen Farben. Es gibt noch weitere Wortarten, aber deren Anteil ist zu gering, um Erwähnung zu finden.[1]

Farbe ist ein wesentliches Merkmal von Gemälden. In der Kunstgeschichte wurde vor noch nicht allzu langer Zeit mit Schwarzweißdias gearbeitet, weil dem Farbeindruck nicht zu trauen war und Farbe von der Form ablenkte. Selbst heute ist auf ihre Darstellung kein Verlass. Ob Hochglanzkatalog, Computermonitor oder das Original im Museum: Man kann einen Eindruck von der Farbe erhalten, aber wie die wirkliche Farbe ist oder war, die der Künstler aufgetragen hat, ist nicht gewiss.[2]

John Gage zeigt auf, dass in der Kunstgeschichte der Blick zum Gegenstand wurde, jedoch trotzdem der Text zugunsten der Wahrnehmung des Auges allgemein als wesentlicher empfunden wird. Er fordert: „Die Farbe sollte die Kunstgeschichte wieder zur Würdigung des Sichtbaren hinführen, und schon allein aufgrund dessen gebührt ihr ein Platz an oberster Stelle auf jeder zukünftigen kunsthistorischen Tagesordnung.“[3]

Denn was sieht unser Blick anderes als Farben und Formen? Zwar haben Formen für uns eine primäre Bedeutung, aber von Seiten der visuellen Wahrnehmung ist Form ein sekundäres Merkmal. Farbe schafft Form. Wo unterschiedliche Farbflächen aneinandergrenzen, entsteht eine Kontur bzw. ergibt sich eine Form.[4] Weiterlesen

Wird Computervision Tagging-Anwendungen wie ARTigo überflüssig machen?

Eine besonders schnelle und damit effiziente Verschlagwortung von Bildern verspricht die automatisierte Bilderkennung – Computer Vision – mit dem Ziel, Bilder aufgrund ihrer Pixel inhaltlich zu erkennen. Objekte oder sogar Szenen sollen dabei semantisch erkannt werden. Durch diese Form der Bilderkennung können eines Tages große Mengen von Bildern in sehr kurzer Zeit erschlossen werden, schneller, als es Expertensystemen und Folksonomies möglich ist.

An der Ruprechts-Karls-Universität Heidelberg wird unter der Leitung von Prof. Björn Ommer Software entwickelt, die Maschinen befähigen soll, sowohl zu lernen als auch zu „sehen“. Das funktioniert derzeit für den Bereich der mittelalterlichen Buchmalereien gut, weil die einzelnen Bildobjekte Konturen und typische Stile aufweisen, die der Computer mittels eines Algorithmus lernen kann zu erkennen und zu unterscheiden.[1] Noch ist diese Art der Suche allerdings auf Objekte beschränkt, die von einer Kontur umgeben sind. Für die Forschung ist diese Arbeit bereits jetzt interessant, weil damit umfangreiche mittelalterliche Codices nach spezifischen Objekten wie Kronen oder Gesten automatisiert durchsuchbar geworden sind.

Wenn der Computer eines Tages Bildobjekte erkennt, kann er sie deshalb noch nicht bewerten und deuten. Er kennt keine Hierarchie, für ihn sind die Objekte und damit ihre Bezeichnungen gleichrangig. Die Aufgabe einer Differenzierung können jedoch Tags übernehmen: Es ist vorstellbar, dass sie durch Computer Vision nicht etwa überflüssig werden, sondern gerade durch ihr Mehrfachvorkommen Bilddaten mit einer Gewichtung anreichern können.

Als Beispiel soll das folgende Bild dienen. Es stammt aus der ARTigo-Datenbank und enthält gleiche Begriffe, die mehfach eingegeben wurden.

Vincent van Gogh, Vincents Schlafzimmer in Arles, 1889, Chicago (Illinois), The Art Institute of Chicago. Bildquelle: artigo.org

Diese Mehrfacheingaben sind nicht nur das Resultat der Wahrnehmung der Nutzer, sondern auch das Ergebnis ihrer Bewertung. Was sehen und erkennen sie im Bild? Was können sie benennen und taggen? Jeder Nutzer sieht das Bild mit anderen Augen an. Jedem fallen durchaus andere Bildobjekte ins Auge, die er taggt. Die Anzahl der vergebenen Tags veranschaulicht die folgende Tabelle: Weiterlesen

Welche Beachtung schenken ARTigo-Spielern der Farbe im Bild?

Eigentlich habe ich ja mein Blog abgeschlossen. Andererseits denke ich, dass zu einem “richtigen” Abschluss auch ein paar Untersuchungsergebnisse gehören. Ich werde in den kommenden Wochen in loser Folge einige Auswertungen, die ich für meine Dissertation vorgenommen habe, auf das Blog stellen.

Die Wortarten in ARTigo

Die Wortarten in ARTigo verteilen sich hauptsächlich auf Substantive, die einen Anteil von 83,3 % aller vergebenen Tags ausmachen, Adjektive mit 12,4 % und Verben mit 3,5 %. Die meisten Adjektive bezeichnen Farben. Es gibt noch weitere Wortarten, aber deren Anteil ist zu gering, um Erwähnung zu finden. [1]

Weil die Farb-Tags in der Regel mehrfach zu einem Bild vorhanden sind, stellte sich mir die Frage, ob ich aus z.B. 20 Rot-Tags, 10 Gelb-Tags und 35 Blau-Tags eine Information herauslesen kann und wenn ja, welche. Ansonsten könnte man sich die Mehrfachspeicherung von gleichen Tags ja sparen, denn auch Speicherplatz kostet Geld.

Die Farb-Tags der Künstler

Die Farb-Tags zu Bildern folgender Künstler werden in dieser Berechnung genauer untersucht: Lovis Corinth, Paul Cézanne, Jaques-Louis David, Maurice Quentin de La Tour, Giovanni Giacometti, Vincent van Gogh, Jean-Auguste-Dominique Ingres, August Macke, Edouard Manet, Franz Marc, Adolph Menzel, Claude Monet, Paul Signac, Alfred Sisley, Georges Seurat und Henri de Toulouse-Lautrec. Exemplarisch werden nur einige von ihnen in den folgenden Abschnitten genauer dargestellt.

Ich möchte ermitteln, ob und welche Unterschiedlichkeiten aufgrund der Farb-Tags zwischen Künstlern bestehen.

In diesem Blog-Post wird ein erster Ausschnitt aus dieser Analyse gezeigt. Die Häufigkeit der Tags wird zunächst mit Balkendiagrammen dargestellt. Auf der y-Achse ist jeweils der prozentuale Anteil der Farb-Tags in Bezug auf die Gesamtzahl der Tags eines Künstlers aufgetragen.

In der Dissertation erkläre ich die Vorgehensweise, wie die Vorbereitung der Daten, Normalisierung etc. Wenn Sie dazu mehr wissen möchten, können Sie es dort nachlesen.[2]

Die Farb-Tags der Bilder Paul Signacs

Bei Signac wurden vorwiegend die Farben Blau (16,8 %), Gelb (12,4 %) und Rot (11,8 %) getaggt. Auch „weiß“ wurde mit einem Anteil von 10,6 % recht oft eingegeben. Die Bilder des Malers wurden von den ARTigo-Spielern mit einem Anteil von 8,8 % mit dem Tag „bunt“ versehen. Der Anteil der Tags im Braun-Bereich ist relativ hoch, jedoch scheint die Farbe sich nicht mindernd auf den Eindruck von „Bunt“ auszuwirken, wie das bei den weiteren untersuchten Künstlern der Fall ist. Es ist zu vermuten, dass dies zum einen an der pointillistischen Malweise liegt, zum anderen an den Komplementärkontrasten, für die Farben Gelb/Orange zu Blau und in etwas geringerem Maße Rot zu Grün.

Anteil der Farb-Tags in Werken von Paul Signac

Die Farb-Tags der Bilder August Mackes

Weiterlesen

Direkte Bildadressierung versus Tagging von Bildern

Mit Hilfe der direkten Bildadressierung können Objekte im Bild automatisch erkannt werden. So kann man auf bavarikon, dem bayerischen Kulturportal – realisiert von der Bayerischen Staatsbibliothek – eine Ähnlichkeitssuche starten. Natürlich ist ein Algorithmus, der nach Bildern sucht, effizienter, als es das Taggen per Crowdsourcing je sein wird.

Können also Tagging-Systeme wie ARTigo einpacken? Weiterlesen

Höhere Ordnung für die Tags in der Cloud

Rechts neben diesem Text unter der Twitter-Box sehen Sie die Tag-Cloud oder Tag-Wolke meines Blogs. Je größer ein Begriff dargestellt ist, desto häufiger wurde er verwendet. Die Häufigkeit über die Schriftgröße auszudrücken, ist eine Möglichkeit der Darstellung. Eine zweite Möglichkeit gruppiert die Tags nach ihrer semantischen Ähnlichkeit, d.h. dass Tags, die in der Wolke nahe beieinander stehen, kommen im selben Wortfeld vor.

Qin Gao wollte zeigen, wie die Tagging-Konsistenz von der Art der Darstellung von Tags beeinflusst wird. Hierzu wurden die Tags:

  • vergrößert dargestellt,
  • nach ihrer semantischen Ähnlichkeit gruppiert. Weiterlesen

Wie Bilddatenbanken nach Schlagworten jagen

Die Verschlagwortung von Bilddatenbanken ist besonders effektiv, wenn möglichst viele Personen daran mitarbeiten. Wichtig ist, dass nicht nur Fachleute, sondern jeder mitmachen kann, das nennt sich dann Crowdsourcing und die Eingabe von Schlagworten nennt man taggen.

Auf den vier folgenden Websites kann man Bilder taggen. Durch die jeweils in unterschiedlichem Maß vorhandenen Zusatzinformationen zum jeweiligen Bild, erhält der Spieler in ebenfalls unterschiedlichem Maß Hinweisreize (Schlüsselreize), die zur Eingabe von Schlagworten animieren sollen. In welcher Art diese Hinweisreize gegeben werden, wird in den folgenden Abschnitten kurz dargestellt: Weiterlesen

Annotationen der anderen Art

Von Annotationen war hier auf dem Blog bereits die Rede. Jetzt bin ich auf besondere Kommentare gestoßen: Das Komitee für Displaymessungen (ICDM) hat eine neue Dokumentation herausgebracht, die von kleinen Comiczeichnungen annotiert wird.

Ein gezipptes kostenloses PDF der Dokumentation kann man unter http://www.icdm-sid.org downloaden. Die Comic-Annotationen von Ed Kelley sind sehenswert, so dass das Scrollen durchs Dokument Spaß macht.

Quelle: ct’ Juni 2012

Warum taggen ARTigo-Spieler hauptsächlich “einfache” Begriffe?

Der Artikel „Hund, Katze, Maus“ im Kunstmagazin art beschreibt das Onlinespiel ARTigo und die daraus resultierende Verschlagwortung von Bilddatenbanken. Weil die Spieler aber relativ simple Begriffe taggen, wie eben „Hund, Katze, Maus“, benötigt man neue Methoden, um an „anspruchsvollere Schlagworte und spezifische kunsthistorische Termini“ zu kommen, wie es dort heißt.

Aber warum gibt es hauptsächlich diese einfachen Tags? Wieso werden nur wenige spezifische eingegeben? Sind die Spieler – Entschuldigung – zu dumm? Weiterlesen

Über digitale Annotationen

Ich habe gerade den Aufsatz von Claudine Moulin mit dem Titel “Vom mittelalterlichen Griffel zum Computer-Tagging. Zur sprach- und kulturgeschichtlichen Bedeutung der Annotation” gelesen. Sie schreibt über Glossen und deren Erforschung, was mich dazu veranlasst hat, über meine eigenen Annotationsmöglichkeiten im digitalen Bereich nachzudenken: Weiterlesen