Helmikuussa 2025 AI4Culture hackathon julkaisi haasteen: käyttää tekoälyvälineitä digitaaliseen kulttuuriperintöön liittyvän datan innovatiiviseen muuntamiseen, tutkimiseen tai esittelyyn. AI4Culture-alusta sisältää runsaasti resursseja näiden hankkeiden ruokkimiseksi: kulttuuriperintölaitosten data-aineistot ja kulttuuriperinnön data-avaruus, tekoälyvälineiden ja koulutusresurssien arsenaali sekä täydennyskoulutusmateriaalit.
Viisi tiimiä tarttui tähän haasteeseen ja keksi kiinnostavia käyttötapauksia, joissa yhdistettiin innovatiivisia tekoälyvälineitä ja kulttuuriperintöä koskevia tietoaineistoja. Tutustu heidän projekteihinsa alla.
"Meillä oli hauskaa tutkia, mitä tietoja oli saatavilla Europeanan kautta, vaikka lopulta käytimme muita lähteitä!", sanoi osallistuja Laurens Dhaenens.
ABC: Tehosekoittimen koodin automatisointi
Zita Baronnet, Francesco Gavioli ja Lara Peeters pyrkivät poimimaan 2D-objekteja kuvista ja muuntamaan ne 3D-malleiksi AI: n avulla automatisoimalla 3D-mallinnusprosessin. Tavoitteena oli virtaviivaistaa aikaa vievää ja teknisesti monimutkaista työnkulkua 3D-mallien luomisessa kulttuuriperintösovelluksiin. Tiimi käytti Europeana API, SegmentAnything, ja kuva 3D voimavara HuggingFace malli luoda putki, joka otti 2D kuva Europeana ja tuotti 3D malli uudelleen Blender (ohjelmisto luoda 3D tietokonegrafiikka). Tutustu heidän hankkeeseensa.
Patina: Alkuperäinen nimi:color of time
Stefanie De Winterin, Laurens Dhaenensin, Angelica Fieschin ja Stefano Fanellin projektissa keskityttiin käsittelemään taiteen rappeutumista ja patinan muodostumista.
He pyrkivät lisäämään yleistä ymmärrystä siitä, miten aika muokkaa taidetta. Tiimi loi koulutusaineiston taideteoksista, joihin patina ja ikääntyminen vaikuttivat, sekä näiden taideteosten skannaukset ennen kuin ikä vaikutti niihin. He käyttivät Convolutional Neural Network (CNN) -verkkoa kuvan luokitteluun ja kehittivät web-käyttöliittymän tiedeviestintään. Tiimi tunnisti koulutustietojen rajallisuuden ja tarkempien mallien tarpeen.
Katsomme näitä kuvia koko ajan, mutta unohdamme, että ne ovat ajan muovaamia. Haluamme lisätä tämän kerroksen, joka on olemassa, mutta on näkymätön. Haluamme näyttää ajan muodon." - Stefanie de Winter
Syväviljely
DeepCulture-tiimi, johon kuuluivat Ioannis Kapsalis, Katerina Zourou, Hannieh Habibi ja Marianna Ziku, pyrki tekemään tunneanalyysin kulttuuriperintötiedoista paljastaakseen piilotettuja kertomuksia ja yhteyksiä.
ArcAIVision
Sercan Kıyakin, Knar Ohanjanyanin ja Elçin Istif Incin ArcAIVision-tiimi kehitti tekoälytyökalun muuttoliikkeeseen liittyvien teemojen havaitsemiseksi historiallisissa videoissa.
He poimivat videosisältöä Alankomaiden ääni- ja visioinstituutista Europeana API:sta ja käyttivät BERTopicia aiheen mallintamiseen ja K-Nearest Neighbors (K-NN) -klusterointiin analysoimaan videoista poimittuja kehyksiä. Tiimi käsitteli metatietojen vinoutumien käsittelyyn liittyviä luontaisia haasteita. Vaikka tekoälyn aihemallinnus ryhmitteli samankaltaiset teemat oikein yhteen, tiimi klusteroi manuaalisesti muuttoliikkeeseen liittyvät termit ja kehykset.
Entä jos voisimme nähdä historian uuden linssin läpi - sellaisen, joka paljastaa piilotettuja yhteyksiä ja unohdettuja tarinoita? Siellä on valtava määrä arkistomateriaalia, jota on vaikea navigoida. Se ei ole vain vaikea navigoida, mutta perinteinen metadata on rajallinen ja usein puolueellinen. Tämä vaikeuttaa näiden aineistojen analysointia, teemoja, tunteita ja paljon muuta." - Knar Ohanjanyan
Un2Structured
Arnoud Wilsin projektin tarkoituksena oli poimia strukturoituja JSON-tietoja strukturoimattomista PDF-tiedostoista Corpus Rubenianumissa keskittyen lähtöisyys- ja ikonografiatietoihin.
He käyttivät Llamaparse, Llamaindex, Cohere LLM API ja Pydantic tietojen poimintaan ja jäsentämiseen. Un2Structured muokkasi mallikehotteitaan laajasti saadakseen etsimänsä tulokset. He esittivät myös päteviä kysymyksiä siitä, miten näitä poimittuja tietoja voidaan hyödyntää.
Haluaisitko työskennellä omissa innovatiivisissa hankkeissasi hyödyntäen kulttuuriperintötietoja? Tutustu Europeanan sovellusrajapintoihin.