2025. gada februārī AI4Culture hakatons nāca klajā ar izaicinājumu: izmantot MI rīkus, lai inovatīvi pārveidotu, pētītu vai demonstrētu digitālā kultūras mantojuma datus. AI4Culture platformā ir daudz resursu, lai atbalstītu šos projektus: kultūras mantojuma iestāžu datu kopas un kultūras mantojuma datu telpa, MI rīku un apmācības resursu arsenāls un prasmju pilnveides materiāli.
Piecas komandas pievērsās šim izaicinājumam un nāca klajā ar saistošiem lietošanas gadījumiem, kas apvieno inovatīvus MI rīkus un kultūras mantojuma datu kopas. Iepazīstieties ar viņu projektiem zemāk.
"Mums bija ļoti jautri izpētīt, kādi dati bija pieejami Europeana, pat ja beigās mēs izmantojām citus avotus!" sacīja dalībnieks Laurens Dhaenens.
ABC: Blendera koda automatizācija
Zita Baronnet, Francesco Gavioli un Lara Peeters komandas mērķis bija iegūt 2D objektus no attēliem un pārvērst tos 3D modeļos, izmantojot AI, automatizējot 3D modelēšanas procesu. To mērķis bija racionalizēt laikietilpīgo un tehniski sarežģīto darbplūsmu, ko rada 3D modeļu izveide kultūras mantojuma lietojumiem. Komanda izmantoja Europeana API, SegmentAnything un 3D aktīva HuggingFace modeļa attēlu, lai izveidotu cauruļvadu, kas paņēma 2D attēlu no Europeana un izvadīja 3D modeli atkārtotai izmantošanai Blender (programmatūra 3D datorgrafikas izveidei). Izpētiet viņu projektu.
Patina: de:laika krāsa
Šajā projektā Stefanie De Winter, Laurens Dhaenens, Angelica Fieschi un Stefano Fanelli pievērsās mākslas degradācijas un patīnas veidošanās jautājumam, lai izveidotu rīku, kas identificē un informē par digitalizēto mākslas darbu novecošanu.
Viņi centās uzlabot sabiedrības izpratni par to, kā laiks veido mākslu. Komanda izveidoja mācību datu kopu par mākslas darbiem, kurus ietekmēja patina un novecošana, kopā ar šo mākslas darbu skenēšanu, pirms tos ietekmēja vecums. Viņi izmantoja Convolutional Neural Network (CNN) attēlu klasifikācijai un izstrādāja tīmekļa saskarni zinātnes komunikācijai. Komanda apzināja jautājumu par ierobežotiem apmācības datiem un vajadzību pēc precīzākiem modeļiem.
Mēs skatāmies uz šiem attēliem visu laiku, bet mēs aizmirstam, ka tie ir veidoti ar laiku. Mēs vēlamies pievienot šo slāni, kas ir tur, bet ir neredzams. Tas, ko mēs vēlamies parādīt, ir laika forma. " - Stefanie de Winter
Dziļkultūra
DeepCulture komanda, kuras sastāvā bija Ioannis Kapsalis, Katerina Zourou, Hannieh Habibi un Marianna Ziku, centās veikt noskaņojuma analīzi par kultūras mantojuma datiem, lai atklātu slēptus vēstījumus un saiknes.
ArcAIVision
Sercan Kıyak, Knar Ohanjanyan un Elçin Istif Inci ArcAIVision komanda izstrādāja MI rīku ar migrāciju saistītu tēmu atklāšanai vēsturiskos videoklipos, lai atklātu slēptos savienojumus un aizmirstos stāstus arhīva materiālos.
Viņi izguva video saturu no Nīderlandes Skaņas un redzējuma institūta no Europeana API un izmantoja BERTopic tēmu modelēšanai un K-Nearest Neighbors (K-NN) klasteru veidošanai, lai analizētu no video iegūtos kadrus. Grupa risināja raksturīgās problēmas saistībā ar metadatu neobjektivitātes novēršanu. Lai gan MI modelēšanas tematā līdzīgas tēmas tika pareizi sagrupētas kopā, komanda manuāli sagrupēja ar migrāciju saistītus terminus un rāmjus.
Ko darīt, ja mēs varētu redzēt vēsturi caur jaunu objektīvu - tādu, kas atklāj slēptus savienojumus un aizmirstus stāstus? Ir ļoti daudz arhīvu materiālu, kurus ir grūti pārvietot. Ir ne tikai grūti orientēties, bet tradicionālie metadati ir ierobežoti un bieži vien neobjektīvi. Tas apgrūtina analīzi, tēmas, emocijas un vairāk šajās datu kopās" - Knar Ohanjanyan
Un2Structured
Šī Arnoud Wils projekta mērķis bija iegūt strukturētus JSON datus no nestrukturētiem PDF failiem Corpus Rubenianum, koncentrējoties uz izcelsmes un ikonogrāfijas informāciju.
Datu ieguvei un strukturēšanai viņi izmantoja Llamaparse, Llamaindex, Cohere LLM API un Pydantic. Un2Structured tweaked viņu veidnes mudina plaši, lai iegūtu rezultātus viņi meklēja. Viņi arī uzdeva pamatotus jautājumus par to, kā novērtēt šos iegūtos datus.
Vai vēlaties strādāt pie saviem inovatīvajiem projektiem, izmantojot kultūras mantojuma datus? Iepazīstieties ar Europeana API.