Poses de Personnes dans l'Art : Un Jeu de Données pour l'Estimation des Poses Humaines dans l'Histoire de l'Art Numérique

Au cours de l'histoire de l'art, la posture, en tant qu'abstraction holistique de l'expression du corps humain, s'est avérée être une constante dans de nombreuses études. Cependant, en raison de la quantité énorme de données qui devaient jusqu'à présent être traitées manuellement, son rôle crucial dans la récapitulation formelle des motifs historiques de l'art depuis l'Antiquité ne pouvait être mis en lumière que de manière sélective. Cela reste vrai même pour l'estimation automatisée actuelle des postures humaines, car les ensembles de données spécifiques au domaine et suffisamment volumineux nécessaires à l'entraînement des modèles computationnels sont soit indisponibles au public, soit non indexés avec une granularité suffisante. Avec le jeu de données « Poses of People in Art » (Postures des Personnes dans l'Art), nous introduisons le premier ensemble de données librement licencié pour estimer les postures humaines dans l'art et valider les estimateurs de postures humaines. Il comprend 2 454 images provenant de 22 styles d'interprétation artistique historique, y compris ceux qui se sont progressivement éloignés des représentations naturalistes du corps depuis le XIXe siècle. Au total, 10 749 figures humaines sont précisément encadrées par des boîtes englobantes rectangulaires, avec un maximum de quatre figures par image marquées par jusqu'à 17 points clés ; parmi ces points clés figurent principalement des articulations telles que les coudes et les genoux. Pour les besoins d'apprentissage automatique, le jeu de données est divisé en trois sous-ensembles : entraînement, validation et test, chacun suivant le format Microsoft COCO basé sur JSON respectivement. Chaque annotation d'image fournit en plus des champs obligatoires des métadonnées provenant de l'encyclopédie en ligne historique de l'art WikiArt. Dans cet article, nous détaillons l'acquisition et la constitution du jeu de données, abordons divers scénarios d'application et discutons des perspectives pour une histoire de l'art numériquement soutenue. Nous montrons que ce jeu de données permet d'étudier les phénomènes corporels dans l'art, qu'il s'agisse du niveau individuel des figures, qui peuvent être saisies dans leurs subtilités, ou des constellations entières de figures dont la position relative, la distance ou la proximité mutuelle sont prises en compte.