Κατέβασμα παρουσίασης
Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε
ΔημοσίευσεἌρτεμις Διαμαντόπουλος Τροποποιήθηκε πριν 6 χρόνια
1
«Ψηφιακά σύνολα εικόνων για τα σημαντικά ιστορικά και πολιτιστικά υλικά»
Αγάθος Μιχάλης 10/11/2018
2
Εννοιολογικό μοντέλο έρευνας
10/11/2018
3
Δημιουργία και διατήρηση 1/3
Εργαλεία που θα επιτρέπουν: Ακεραιότητα, αξιοπιστία, ασφάλεια ψηφιακών εικόνων Αυτόματη καταγραφή τεχνικών μεταδεδομένων Αυτόματη καταγραφή περιγραφικών μεταδεδομένων 10/11/2018
4
Δημιουργία και διατήρηση 2/3
ΨΗΦΙΑΚΟ ΑΠΟΘΕΤΗΡΙΟ ΩΣ ΕΡΓΑΛΕΙΟ ΦΥΣΙΚΗΣ ΑΠΟΚΑΤΑΣΤΑΣΗΣ ΤΩΝ ΕΡΓΩΝ ΤΕΧΝΗΣ ..εκτός από τα οπτικά δεδομένα: Φυσικές λεπτομέρειες (Physical details) π.χ διαστάσεις αντικείμένου. Λεπτομέρειες αποκατάστασης (Restoration details). Δεδομένα σχετικά με την δημιουργία του αντικειμένου (Creation Data). 10/11/2018
5
Δημιουργία και διατήρηση 3/3
Τρέχουσα φυσική κατάσταση (Current physical condition). Πληροφορίες αποθήκευσης (Storage information). Ιστορικά δεδομένα (Historical data). Σχετική βιβλιογραφία (Associated bibliography) 10/11/2018
6
Καταγραφή δεδομένων 1/3 Ανάγκη καταγραφής με την μεγίστη δυνατή ανάλυση Τμηματική απεικόνιση εικόνας (image recording in partially overlapping parts) Μωσαϊκή εικόνα (image mosaicing) Ανάγκη διάκρισης: -πηγής (source) -χρόνου (time) -διαδικασίας (process) 10/11/2018
7
Καταγραφή δεδομένων 2/3 Επαναλαμβανόμενη διαδικασία καταγραφής
Δυνατότητα επαναφοράς στην αρχική ψηφιακή μορφή (original condition in digital form) παράγοντες διαβάθμισης για την διαδικασία ψηφιοποίησης (calibration parametres) 10/11/2018
8
Καταγραφή δεδομένων 3/3 Καταγραφή τεχνικών μεταδεδομένων όπως: χρόνος
ημερομηνία εξοπλισμός φωτισμός παράμετροι διαβάθμισης 10/11/2018
9
Νέες μορφές τέχνης Παραγόμενη τέχνη από υπολογιστές (computer generated art) -computer graphics -animations -web art video art movies 10/11/2018
10
Content based image retrieval- CBIR
Διαφοροποίηση από κλασσικές βάσεις Οι βάσεις δεδομένων εικόνας είναι μια μεγάλη συλλογή εικονοστοιχείων. Σύγκριση χαρακτηριστικών που εξάγονται από τις εικόνες (χρώμα, υφή, σχήμα)-βασικά ή πρώτου επιπέδου λογικά- (ταυτότητα αντικειμένων) αφηρημένα-(σημασία σκηνών) 10/11/2018
11
Εξαγωγή χαρακτηριστικών (feature extraction)
Διακρίνονται δύο κύριες κατηγορίες χαρακτηριστικών της εικόνας: Text based features (key words, annotations) Visual features (color, texture, shape,faces) Στα οπτικά χαρακτηριστικά διακρίνουμε τις εξής υποκατηγορίες: General features ( color, texture or shape features) Domain specific features ( human faces, finger print) 10/11/2018
12
Η αρχιτεκτονική στο image retrieval
10/11/2018
13
Η Αποδόμηση μιας εικόνας wavelet transform
10/11/2018
14
Συστήματα ανάκτησης και επιλογές
Search by example. Search by sketch. Search by text (περιλαμβάνοντας λέξεις κλειδιά ή ομιλία). Navigation with customized image categories. Random browsing. 10/11/2018
15
Feature similarity analysis
10/11/2018
16
Υπομνηματισμός εικόνων
ALIP (Automatic Linguisting Indexing of Pictures)-Penn State 2000 Χτίζει μια βάση γνώσης,αυτόματα με τη βοήθεια εκπαιδευτικών εικόνων Άμεση εφαρμογή στο σχολιασμό εικόνων για έργα τέχνης της πολιτιστικής μας κληρονομιάς. 10/11/2018
17
Εκπαιδεύοντας το σύστημα για την έννοια «terracota wariors and horses»
10/11/2018
18
Προτάσεις της ομάδας για την CBIR διαδικασία 1/2
Επιστήμη Πληροφορικής + επιστήμη ανθρωπολογίας: χρησιμοποιούν ίδιους όρους για διαφορετικές έννοιες. Για τους πληροφορικούς ο όρος “content”=μετρήσιμες οπτικές ιδιότητες (measurable visual properties)-όπως:χρώμα,σχήμα,υφή,σύσταση κ.λπ (Αναφορά σε φυσικό περιεχόμενο) 10/11/2018
19
Προτάσεις της ομάδας για την CBIR διαδικασία 2/2
Για τον ιστορικό της τέχνης ο όρος «περιεχόμενο» αναφέρεται στην «σημασία» π.χ για έναν πίνακα ζωγραφικής όπως η Mona Lisa -τεχνικές ζωγραφικής του πίνακα -εικονογραφικό στυλ -αναπαράσταση της γυναίκας -μελέτη της διάθεσης της 10/11/2018
20
Γεφυρώνοντας το σημασιολογικό χάσμα
CONTENT Physical content ( φυσικό περιεχόμενο) Meaningful content (εννοιολογικό περιεχόμενο) ΣΚΟΠΟΣ: Η χρήση ενός κοινού λεξιλογίου για μια παραγωγική συνεργασία των επιστημόνων της πληροφορικής και των ιστορικών. 10/11/2018
21
Αυτόματη εξαγωγή χαρακτηριστικών 1/3
Αυτόματη κατηγοριοποίηση χαρακτηριστικών (clustering) για χαρακτηριστικά όπως: σχήμα, κατανομή χρώματος, υφή, φωτισμός, οπτική γωνία, φάσμα κ.λπ Φυσικά χαρακτηριστικά-αυτόματα παραγόμενα μεταδεδομένα Οι μηχανές αναζήτησης βασιζόμενες στην ομοιότητα συγκρίνουν αυτόματα τα φυσικά χαρακτηριστικά. 10/11/2018
22
Αυτόματη εξαγωγή χαρακτηριστικών 2/3
Προσδιορισμός συνόλου χαρακτηριστικών για τις μετρήσεις ομοιότητας Ανάπτυξη αλγορίθμων για ιδιαίτερα αποδοτικές διαδικασίες αναζήτησης σε μεγάλες συλλογές εικόνων. Περιορισμός των σφαιρικών αναζητήσεων με τη βοήθεια περιγραφικών μεταδεδομένων. 10/11/2018
23
Ένα ερώτημα για την Mona Lisa σήμερα:
10/11/2018
24
10/11/2018
25
10/11/2018
26
10/11/2018
27
10/11/2018
28
Αυτόματη εξαγωγή χαρακτηριστικών 3/3
χρήση εργαλείων για την εξαγωγή μοναδικών χαρακτηριστικών για την κάθε εικόνα (image fingerprint) ικανά ώστε μετά να αναγνωρίζονται τυχόν παραμορφώσεις και παραλλαγές της Στο μεταξύ η περιγραφική σήμανση παραμένει η πιο ακριβής και αξιόπιστη μέθοδος. 10/11/2018
29
Επίπεδα πληροφοριών «Low-level» information
χαμηλού επιπέδου πληροφορίες για γωνίες, σχήματα και χωρικές σχέσεις. «Higher level» information περιεχόμενο σκηνών, περιγραφή θέματος ακόμη και σχετικά συναισθήματα που απεικονίζονται. «Syntactic» information Οι συντακτικές πληροφορίες αναφέρονται στο χρώμα, σύσταση κ.λπ 10/11/2018
30
Παρουσίαση και χρηστικότητα 1/2
Δυνατότητα διατύπωσης λεκτικών (verbal) και μη λεκτικών ερωτημάτων (non-verbal) Eύκολα και διορατικά interface Παραδείγματα αναζήτησης Εξειδίκευση θέματος μέσω πολλαπλών ερωτημάτων. Νέοι τύποι ερωτημάτων: δυνατότητα για αναζητήσεις με χαρακτηριστικά χαμηλού επιπέδου (χρώμα, σχήμα κ.λπ) ή υψηλού επιπέδου έννοιες (προσωπογραφία/τοπίο,χαμόγελο/συνοφρύωμα, εσωτερικός /εξωτερικός χώρος κ.λπ) 10/11/2018
31
Παρουσίαση και χρηστικότητα 2/2
Πολύγλωσση ανάκτηση (multilingual retrieval) ένας χρήστης θα πρέπει να μπορεί να θέτει ερωτήματα σχετιζόμενες με αφηρημένες έννοιες όπως: «deity» «beauty» «style» «truth» Τα αποτελέσματα τέτοιων ερωτημάτων θα πρέπει να επιτρέπουν την παρουσίαση των ψηφιακών ιστορικών εικόνων και βίντεο διαθέσιμες από πηγές ανά τον κόσμο 10/11/2018
32
Τεχνολογίες παρουσίασης και μεταφοράς 1/2
Πιθανή χρήση ασύρματων συσκευών Εύχρηστα interface τα οποία θα παρέχουν πληροφορίες για ολόκληρη τη συλλογή Συστήματα, τα οποία υποστηρίζουν την αλληλεπίδραση βασιζόμενα στην αναγνώριση φωνής η χειρονομιών (voice or gesture recognition) 10/11/2018
33
Τεχνολογίες παρουσίασης και μεταφοράς 2/2
Κοινά interface Ανάγκη ενός πλαισίου που θα επιτρέπει την διαρκή εξατομίκευση ενός κοινού interface, ώστε να μπορεί να υιοθετηθεί από διαφορετικούς ρόλους χρηστών. 10/11/2018
34
Τρισδιάστατες αναπαραστάσεις
Στόχο έχουν: Τρισδιάστατη αναπαράσταση των υπαρχόντων αντικειμένων, και Ανακατασκευή έργων τέχνης που δεν υπάρχουν πια Η τρισδιάστατη αναπαράσταση είναι μια μέθοδος ώστε να εξετασθούν τα έργα τέχνης σε ένα πραγματικό πλαίσιο 10/11/2018
35
Τεχνολογικές Προκλήσεις
Κάλυψη πληροφοριακών αναγκών που θα κυμαίνονται από: περιέργεια έρευνα ανάλυση. συνδυασμός της μέγιστης δυνατής ποιότητας αλλά και ταχύτητας, σε χαμηλό κόστος. 10/11/2018
36
Μηχανισμοί ενθάρρυνσης της συνεργασίας
εποικοδομητική συνεργασία μεταξύ των επιστημόνων της πληροφορικής και των ειδικών επιστημόνων σε θέματα τέχνης, ιστορίας, κοινωνιολογίας κ.λπ. 10/11/2018
37
Μηχανισμοί ενθάρρυνσης της συνεργασίας
Εργαστήρια ειδικευμένα σε συγκεκριμένα πεδία Διεθνή προγράμματα ανταλλαγών για μαθητές και ερευνητές Διμερή, ερευνητή προς ερευνητή Projects Διεθνείς benchmarking διαγωνισμοί. Κοινό σύνολο εικόνων που θα λειτουργούν ως test bed (πλατφόρμα δοκιμών). 10/11/2018
38
Χρήστες 1/5 τον Διεθνή χρήστη τον ιστορικό μελετητή
Η επιτυχής έκβαση της ερευνητικής συνεργασίας σε θέματα ψηφιακής απεικόνισης και ανάπτυξη μιας τέτοιας συλλογής θα εξυπηρετήσει τρεις κύριες κοινότητες χρηστών: τον Διεθνή χρήστη τον ιστορικό μελετητή τον επιστήμονα των υπολογιστών 10/11/2018
39
Χρήστες 2/5 Για τον Διεθνή χρήστη:
Την εμπειρία του να γνωρίσει καλύτερα ένα έργο τέχνης Την εις βάθος κατανόηση των έργων της πολιτιστικής κληρονομιάς μας , της ιστορίας του καθώς και του «περιεχομένου» έχοντας στην διάθεση του λεπτομέρειες στις οποίες ακόμη και ένας παρατηρητής τοπικά πιθανόν να μην είχε πρόσβαση. Μια υποδομή πληροφοριών η οποία θα ενισχύσει την εκπαίδευση, την διαπολιτισμική κατανόηση εννοιών αλλά και την πολιτιστική ποικιλόμορφη παγκόσμια κληρονομιά. 10/11/2018
40
Χρήστες 3/5 Για τον Ιστορικό Μελετητή και σπουδαστή:
Λειτουργική ικανότητα στην αναζήτηση στοιχείων αλλά και πλούσια και εύχρηστη περιληπτική απόδοση της πληροφορίας Κατανόηση της τέχνης και των καλλιτεχνημάτων τεχνικά που θα εμβαθύνουν από την υπό-ανάλυση και τις μιμούμενες αναδημιουργίες Χρήση ρουτίνας για τους μελετητές αλλά και σπουδαστές, καθώς η αυτόματη ταξινόμηση του περιεχομένου, αναζητήσεις ομοιότητας, ανάκτηση «σημασιολογικών εννοιών», θα είναι standard λειτουργίες των ΒΔ 10/11/2018
41
Χρήστες 4/5 Για τον επιστήμονα των υπολογιστών είναι μεγάλη η
πρόκληση του σημασιολογικού προσδιορισμού μιας εικόνας και της αυτόματης φραστικής διατύπωσης της καθώς τα συστήματα θα μπορούν με μεγάλη ακρίβεια: Να περιγράφουν αντικειμενικά και με μεγάλη επιτυχία τι εμφανίζεται να λέεί ή να σημαίνει μια εικόνα καθώς και, Να περιγράφουν τι σκηνές η ποία γεγονότα διαδραματίζονται σε μια σκηνή βίντεο. 10/11/2018
42
Χρήστες 5/5 Εκπαιδευτικά ιδρύματα
Η απεικόνιση εννοιών αλλά και οι σχέσεις μεταξύ των συλλογών και των έργων τέχνης ενισχύουν την εκπαιδευτική διαδικασία. Μουσεία Η αλληλεπίδραση του κοινού με τις ψηφιακές αναπαραστάσεις ενισχύει την εκπαιδευτικά αξία Η πολυδιάστατη υψηλή ανάλυση των έργων τέχνης επιβοήθα τον ερευνητή η επισκέπτη να ανακαλύψει δομές ή πληροφορίες που δεν είναι ορατές στην original μορφή του έργου. 10/11/2018
43
Σας ευχαριστώ πολύ 10/11/2018
Παρόμοιες παρουσιάσεις
© 2024 SlidePlayer.gr Inc.
All rights reserved.