Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

Adaptive Risk Cultural Heritage Assessment In Conservation

Descripción del proyecto

Técnicas de visión artificial para la gestión de riesgos en los sitios patrimoniales

El deterioro físico plantea riesgos importantes para el patrimonio cultural. Se necesitan nuevos planteamientos para afrontar estos retos. El equipo del proyecto ARCHAIC, que cuenta con el apoyo de las Acciones Marie Skłodowska-Curie, pretende crear un método avanzado para gestionar los riesgos que corren los sitios patrimoniales. Utilizará técnicas de visión artificial, que combinarán imágenes de campo de radiancia neuronal (NeRF, por sus siglas en inglés) e imágenes de redes sociales, para detectar y analizar el deterioro físico de los monumentos. Mediante la reconstrucción de modelos tridimensionales de monumentos a lo largo del tiempo y la comparación de estas imágenes, en el proyecto se evaluará la vulnerabilidad utilizando un planteamiento neurodifuso. Inerf, una red neuronal profunda, estimará las poses de la cámara a partir de imágenes de redes sociales para facilitar el análisis de imágenes a través de NeRF.

Objetivo

The current project, ARCHAIC (Adaptive Risk Cultural Heritage Assessment In Conservation), aims to provide a new intelligent method
for the risk management of heritages. In ARCHAIC, I plan to recognize physical deterioration and degradation evolution in
monuments by computer vision methods (using a combination of Neural Radiance Fields (NeRF) and social media imagery) and use
them as inputs to assess the degree of vulnerability via the neuro-fuzzy method. To compare social media photos captured at various
times for detecting changes, deterioration, and achieving deterioration growth, I encounter the challenge that the images vary in
camera. By reconstructing 3D models of monuments at various times via NeRF and comparing images, we can effectively identify
changes and deterioration over time. Camera pose estimation is performed using Inerf, a deep neural network-based method
specifically designed for accurate camera pose estimation of social media images. The estimated poses are utilized and given to the
NeRF models to generate pair comparison viewpoints for image analysis. Finally, I consider detected deterioration’s type, boundary,
amount, and growth for the fuzzy rules. ARCHAIC leads to determining the amount of intervention to manage the risks of a query
case of a monument.

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) HORIZON-MSCA-2024-PF-01

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

UNIVERSIDAD PABLO DE OLAVIDE
Aportación neta de la UEn
€ 209 914,56
Dirección
CARRETERA DE UTRERA KM 1
41013 Sevilla
España
Región
Sur Andalucía Sevilla
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
Sin datos

Socios (1)