UNIVERSITY PARK, PA – Elizabeth Mansfield, professeure et titulaire de la chaire d’histoire de l’art, et James Wang, professeur émérite de sciences et technologies de l’information, ont reçu une bourse DHAG (Digital Humanities Advancement) du National Endowment for Humanities (NEH) pour la deuxième phase d’un projet utilisant l’analyse d’images Examen assisté par ordinateur de la représentation des nuages dans les peintures de John Constable, un artiste européen du XIXe siècle surtout connu pour la nature étonnante de ses paysages.
La bourse NEH de niveau 2 a été décernée pour soutenir « After Constable’s Clouds », un projet faisant progresser la recherche historique technique grâce à l’application innovante de la vision par ordinateur (CV) et de l’apprentissage automatique (ML).
Le projet promet de faire progresser la compréhension scientifique des concepts esthétiques et des techniques artistiques dans les peintures de paysage européennes du XIXe siècle, en particulier celles répondant au mouvement réaliste. « After the Constable Draw » est la deuxième phase de la Condition Clouds Vision, qui a été soutenue par une bourse de niveau 1 du NEH.
« L’opportunité de participer à des recherches collaboratives avec des collègues de renommée internationale dans les domaines de la science des données, de l’intelligence artificielle, de la météorologie et des humanités numériques a été très enrichissante », a déclaré Mansfield. « Je suis enthousiasmé par la perspective de tirer parti de nos résultats de la première phase du projet. »
Historique du projet
La première étape, « La vision des nuages du gendarme », a été suscitée par une question d’histoire de l’art : le réalisme remarquable des nuages de Constable était-il attribuable à l’expérience rigoureuse de l’artiste ou était-ce le résultat de sa bravoure technique ? En d’autres termes, les spectateurs humains considèrent-ils les peintures de nuages de Constable comme réalistes parce qu’elles documentent avec précision des phénomènes météorologiques éphémères ou parce qu’elles sont esthétiquement convaincantes pour les spectateurs habitués au langage visuel de la peinture de paysage européenne du XIXe siècle?
Pour répondre à la question, l’étudiant-chercheur principal de l’équipe, le doctorant IST Zhuomin Zhang, a développé des algorithmes pour découvrir les caractéristiques les plus importantes des nuages de Constable, puis a conçu et formé un réseau neuronal convolutif (CNN) pour comparer les nuages dessinés par des artistes aux images réelles. Fermeture éclair.
Selon les chercheurs, After Constable engagera de longs débats historico-artistiques sur l’authenticité et la tradition dans l’art français du XIXe siècle, tout en cherchant à faire avancer l’application autobiographique de la recherche humaniste. Parmi les questions auxquelles l’équipe cherche désormais à répondre : Dans quelle mesure l’influence de Constable a-t-elle été déterminante sur la peinture progressiste dans la France du XIXe siècle ? Dans quelle mesure les précédents techniques ont-ils été utilisés pour augmenter les observations directes de la nature ? Et dans quelle mesure des éléments techniquement difficiles mais objectivement faibles tels que des nuages sont-ils des signes fiables d’influence artistique ?
La recherche abordera non seulement des questions historiques techniques, mais contribuera également au développement de l’intelligence artificielle (IA) selon Wang. Les peintures de paysage sont dépouillées du monde réel et différents peintres ont leurs propres façons de représenter le même sujet. Wang a expliqué que les technologies modernes, telles que les réseaux de neurones, capturent la similitude des modèles entre les exemples de formation à un niveau relativement bas d’informations stockées en pixels. Pour répondre aux questions d’histoire de l’art, l’équipe doit non seulement fournir un moyen fiable de distinguer les différents groupes de peintures, mais également fournir une interprétation des décisions générées par ordinateur avec des informations de haut niveau qui peuvent aider à faire progresser la compréhension de l’art historique. Selon Wang, de tels défis aideront à développer une méthodologie d’IA qui pourrait avoir des applications plus larges.
l’équipe
Mansfield, spécialiste de l’art européen des XVIIIe et XIXe siècles, apportera son expertise artistique et historique. Wang, un expert internationalement reconnu dans l’analyse d’images, la modélisation d’images et la récupération d’images et ses applications, supervisera toutes les recherches informatiques liées au projet.
Jia Li, professeur de statistiques dont les domaines de recherche comprennent l’apprentissage automatique, l’intelligence artificielle, les modèles de graphes probabilistes et l’analyse d’images, apportera une expertise informatique supplémentaire.
Les expériences seront menées par un doctorant qui sera nommé au Collège des sciences et technologies de l’information et travaillera sous la supervision de Wang et Li au Laboratoire de recherche sur les systèmes d’information intelligents.
La visualisation de projet, l’expertise en gestion de données et l’assistance à la gestion de projet seront fournies par John Russell, bibliothécaire en sciences humaines numériques et professeur adjoint.
George Young, professeur de météorologie spécialisé dans la météorologie observationnelle et prédictive, ainsi que dans l’intelligence artificielle, aidera à étiqueter les ensembles de données et à valider l’apprentissage automatique.
Catherine Adams du Center for Phenomenological/Physical Studies de l’État de Pennsylvanie supervise l’organisation et la structure des données.
Un conseil consultatif composé d’universitaires de l’extérieur de la Pennsylvanie fournira une expertise et des conseils supplémentaires. Les membres comprennent Paul Messier, Emily Pogue et David J. Stork.
Il culminera « After the Constable » avec un symposium consacré à l’application de la biographie et du ML à la recherche historique de l’art, en précisant l’heure, la date et le lieu.
