| Since | Author | Status | Tags |
|---|---|---|---|
2023-09-08 |
Emmanuel Chateau-Dutier |
draft |
IA, architecture, dah |
L’application des technologies issues des développements de l’intelligence artificielle au domaine de l’histoire de l’art permet désormais d’aborder les œuvres d’art à partir de moyens computationnels. Ces technologies rendent notamment possible un traitement automatisé des images et d’accéder à la dimension visuelle des œuvres. Au-delà de la simple reconnaissance de formes et de motifs, elle ouvre donc potentiellement l’analyse au style, à la composition, à la couleur, ou encore même aux significations.
Lorsque l’on s’interroge sur l’intérêt de l’utilisation des technologies de machine learning et de deep learning pour l’histoire de l’architecture, il me semble nécessaire de considérer le statut particulier des œuvres architecturales par rapport au domaine des arts plastiques et visuels.
Visuel, univers formel et de significations
Architecture, univers de structure et de fonctions même si des aspects formels (géométries, dispositions dans l’espace, etc.). Aborder les coprus architecturaux ne peut donc seulement consister à travailler sur la reconnaissance de motifs au risque de se réduire à l’identification d’une typologie documentaire.
Enjeu consiste plutôt à pouvoir extraire des caractéristiques spatiales des objets tant à partir de leur représentation historique que de leur réalité physique.
Numérisation architecturale centrale à cet égard. Production de corpus d’édifices numérisés et leur acquisition. Lidar, etc. Acquisitions en nuage de points. Objets extrêmement complexes à manipuler. Problème d’échelle. Besoin de simplification et de réduction structurelle.
Mais corpus qui ne peut se limiter aux édifices subsistants pour le travail de l’historien. Besoin de pouvoir produire des entrées à partir de la documentation graphiques. Ce qui suppose de pouvoir d’interpréter et d’automatiser la lecture des conventions graphiques de la représentation architecturale.
cf. acquis extraction automatique de features dans le domaine de la cartographie historique (vectorisation, extraction des labels, cf. Alpage, cf. Turing Institute)
- Nécessité de produire des données corpus de données annotées, identification de proprités formelles
- Corpus CBC approprié par sa simplicité.
- Coordination photo / plans et prises de vues (corpus CP