Il contributo ha presentato il progetto dottorale “IlluminAI” che ha come scopo la creazione di una interfaccia di visualizzazione immersiva e interattiva per la valorizzazione dei volumi manoscritti digitalizzati attraverso una rete neurale profonda addestrata su un dataset originale. Dopo alcuni brevi cenni per contestualizzare il progetto si è proceduto a descrivere la composizione del dataset, attualmente formato da più di 46.000 elementi, e il sistema di classificazione delle immagini adottato al suo interno ispirato ad Iconclass. Si è passati, quindi, ad esporre la tecnica elaborata per addestrare il modello a partire da una rete neurale residuale (ResNet) ricorrendo a un ciclo di apprendimento automatico interattivo, usato per annotare rapidamente tre gruppi di immagini dalle dimensioni crescenti. Riportati i risultati ottenuti è stata mostrata la webapp 3D, attualmente in fase di sviluppo, basata sul framework open-source ATON del CNR-ISPC. Di questa sono state illustrate le principali funzionalità e gli aspetti più innovativi rispetto ai tradizionali sistemi di visualizzazione bidimensionali.
IlluminAI: intelligenza artificiale e realtà virtuale per l’esplorazione dei manoscritti miniati rinascimentali / Minisini, V.. - (2025). (1° Seminario di studi dottorali "Elementi visibili e invisibili del libro manoscritto nei paesi del Mediterraneo. Manoscritti medievali meridionali: indagini e ricerche" Benevento ).
IlluminAI: intelligenza artificiale e realtà virtuale per l’esplorazione dei manoscritti miniati rinascimentali
Valeria Minisini
2025
Abstract
Il contributo ha presentato il progetto dottorale “IlluminAI” che ha come scopo la creazione di una interfaccia di visualizzazione immersiva e interattiva per la valorizzazione dei volumi manoscritti digitalizzati attraverso una rete neurale profonda addestrata su un dataset originale. Dopo alcuni brevi cenni per contestualizzare il progetto si è proceduto a descrivere la composizione del dataset, attualmente formato da più di 46.000 elementi, e il sistema di classificazione delle immagini adottato al suo interno ispirato ad Iconclass. Si è passati, quindi, ad esporre la tecnica elaborata per addestrare il modello a partire da una rete neurale residuale (ResNet) ricorrendo a un ciclo di apprendimento automatico interattivo, usato per annotare rapidamente tre gruppi di immagini dalle dimensioni crescenti. Riportati i risultati ottenuti è stata mostrata la webapp 3D, attualmente in fase di sviluppo, basata sul framework open-source ATON del CNR-ISPC. Di questa sono state illustrate le principali funzionalità e gli aspetti più innovativi rispetto ai tradizionali sistemi di visualizzazione bidimensionali.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
