Contributo di ICT all’IEEE International Conference on Metrology for Archeology and Cultural Heritage, Milano, 20-22 ottobre 2021

Con il contributo, Integrated Survey and 3D Processing on Enea CRESCO Platform: the Case Study of San Nicola in Carcere in Rome, la nostra divisione ICT insieme al Dipartimento di Architettura di Roma Tre ha contribuito all’IEEE International Conference on Metrology for Archeology and Cultural Heritage, che si è svolto a Milano il 20-22 ottobre 2021. Qui di seguito un abstract.

Abstract. This paper shows the experimental activities carried out by a joint research group on the case study of the Basilica di San Nicola in Carcere in Rome, concerning the integration of different 3D reconstruction technologies in the Cultural Heritage domain. Dataset obtained from laser scanner and photogrammetry, were processed on a remote platform based on the powerful ENEA computational infrastructure, in order to analyse the dense clouds, to compare them and to improve the quality of the data. This paper also shows the efforts to upgrade this platform and the optimisation of the processes.

Il 10 giugno 2021 a Bologna è stato presentato il progetto ShareArt che vede ENEA e Istituzione Bologna Musei collaborare per monitorare il gradimento e le modalità di fruizione delle opere d’arte da parte dei visitatori, grazie ad applicazioni di intelligenza artificiale e big data.

Frutto del lavoro che vede coinvolti ricercatori ENEA di diversi settori[1], l’innovativo sistema riesce a “misurare” il gradimento di un’opera d’arte attraverso la condivisione di numerose informazioni ricavate con la registrazione e il monitoraggio di alcuni indicatori, senza coinvolgere direttamente i visitatori. La misura è resa possibile dall’utilizzo di una tipica applicazione big data capace di ricavare informazioni esplorando grandi quantità di dati diversi.

Il sistema si compone di una serie di dispositivi di acquisizione dati, oggi disponibili sul mercato a costi contenuti, che, provvisti di telecamera, raccolgono le informazioni e le inviano a un server centrale per l’immagazzinamento e l’elaborazione, che avviene tramite un applicativo web dedicato all’analisi multidimensionale interattiva.

“Attraverso una telecamera posizionata nei pressi dell’opera, il sistema rileva automaticamente i volti che guardano in direzione dell’opera stessa, acquisendo dati relativi al comportamento degli osservatori come, ad esempio, il percorso compiuto per avvicinarsi, il numero di persone che l’hanno osservata, il tempo e la distanza di osservazione, il genere, la classe di età e lo stato d’animo dei visitatori che osservano”, hanno spiegato durante la presentazione odierna i quattro esperti ENEA Stefano Ferriani, Giuseppe Marghella, Simonetta Pagnutti e Riccardo Scipinotti che partecipano al progetto.

In questa fase di complessità gestionale per la pandemia di Covid-19, il sistema ShareArt può essere utilizzato anche per aumentare la sicurezza degli ambienti museali rilevando il corretto utilizzo della mascherina e il distanziamento dei visitatori, attivando in tempo reale una segnalazione visiva per ricordare il rispetto delle disposizioni.

I primi dati della sperimentazione permettono già di evidenziare alcuni aspetti come il fatto che la maggior parte dei visitatori siano da soli e che indossino correttamente la mascherina.

“Vi sono domande che si rincorrono tra le mura di un museo. In cosa consiste il gradimento di un’opera? Quali sono le variabili personali e ambientali che influiscono su questo gradimento? Le risposte tradizionali sono troppo approssimative”, ha sottolineato durante l’evento Roberto Grandi, presidente Istituzione Bologna Musei. “Ecco allora – aggiunge – che l’Istituzione Bologna Musei ed ENEA hanno considerato alcune sale delle Collezioni Comunali d’Arte come un laboratorio sul campo per approfondire le dinamiche della fruizione in presenza delle opere in relazione al contesto spazio-temporale. Non solo il modo di osservare, ma anche come si arriva all’opera e quanto tempo la si osserva sono aspetti che aiutano i curatori dei musei a comprendere meglio i comportamenti dei visitatori e i ricercatori ad approfondire le dinamiche della percezione del gradimento attraverso la raccolta e l’elaborazione di un grande numero di dati. È un percorso affascinante e siamo soddisfatti di poterlo affrontare con una istituzione scientifica di eccellenza come ENEA”. I dati raccolti costituiscono un capitale di informazioni molto prezioso per gli operatori museali, che attraverso l’analisi di dati concreti possono evidenziare punti di forza ed eventuali criticità e valutare possibili miglioramenti per ottimizzare l’esposizione delle opere stesse e il percorso di visita, misurando poi gli effetti delle azioni intraprese.

La collaborazione tra ENEA e Istituzione Bologna Musei si inserisce nell’ambito di ricerca e sviluppo dei big data di grande interesse per la Regione Emilia-Romagna, impegnata a realizzare nel Tecnopolo di Bologna una potenza di calcolo e un expertise di supercalcolo, big data e intelligenza artificiale di rilevanza internazionale.

Per maggiori informazioni:
Giuseppe Marghella, ENEA – Laboratorio Tecnologie per la Dinamica delle Strutture e la Prevenzione del rischio sismico e idrogeologico, giuseppe.marghella@enea.it

[1] Dipartimento Tecnologie Energetiche e Fonti Rinnovabili; Dipartimento Sostenibilità dei sistemi produttivi e territoriali; Unità Tecnica Antartide.

Video progetto ‘Share Art’ con particolare dell’alert anti Covid
https://www.youtube.com/watch?v=U6_hKPPtMQQ
https://www.youtube.com/watch?v=A-4cQ9bkFLI

Fotogallery

Rassegna Progetto Share Art

In collaborazione tra Università Politecnica delle Marche ed ENEA, il 07 settembre 2020 si è svolto un workshop online sulle tematiche del patrimonio culturale digitale, delle nuvole di punti per la segmentazione dei beni culturali e delle applicazioni con le reti neurali profonde, con il seguente programma:
• Segmentazione Semantica di nuvole di punti: scenari e applicazioni, Emanuele Frontoni, Marina Paolanti (VRAI, Università Politecnica delle Marche);
• Deep Learning e Machine Learning per Segmentazione semantica di nuvole di Punti per i beni Culturali , Roberto Pierdicca (GAP, Università Politecnica delle Marche);
• A Benchmark for Large-Scale Heritage Point Cloud Semantic Segmentation, Francesca Matrone (Politecnico di Torino) ,
• Reti Generative Avversarie per la generazione di nuvole di punti, Massimo Martini (VRAI, Università Politecnica delle Marche)
• La Catena di modellazione mediante l’infrastruttura di calcolo ICT dell’ ENEA per i beni culturali, dal rilievo geometrico alla modellazione FE, Marialuisa Mongelli, Samuele Pierattini, Marco Puccini (ENEA-TERIN-ICT)
L’obiettivo del workshop è stato quello di preparare alla definizione di nuove linee di ricerca congiunte sull’applicazione di algoritmi di Deep learning e Computer Vision alle problematiche di catalogazione e conservazione dei beni culturali.

Nell’ambito del patrimonio culturale digitale (Digital Cultural Heritage, DCH), la segmentazione semantica delle nuvole di punti con tecniche di apprendimento profondo (Deep Learning, DL) può aiutare a riconoscere elementi architettonici storici, ad un livello di dettaglio adeguato, e quindi ad accelerare il processo di modellazione di edifici storici per lo sviluppo di modelli BIM da dati di rilievo, indicati come HBIM (Historical Building Information Modeling). Il gruppo di ricerca VRAI (Vision Robotics and Artificial Intellgence) del Dipartimento di Ingegneria dell’Informazione (DII) con il GAP (Geomatics Applications and Processing) del Dipartimento di Ingegneria Civile Edile e dell’Architettura (DICEA) dell’Università Politecnica delle Marche di Ancona ha proposto un innovativo framework di DL per la segmentazione semantica di nuvole di punti che, a partire da una rete convoluzionale dello stato dell’arte (DGCNN – Dynamic Graph Convolutional Neural Network) ottimizza il processo di segmentazione grazie alla introduzione di features significative come normale e il colore. L’approccio è stato applicato a un nuovo dataset, disponibile pubblicamente: Dataset ArCH (Architectural Cultural Heritage) raccolto grazie alla collaborazione del Politecnico di Torino, della Fondazione Bruno Kessler (FBK) di Trento e dell’Institut National des Sciences Appliquées di Strasbourg, France (http://archdataset.polito.it )