Page 15 - focusUnimore_marzo2024

e in modo personalizzato gli archivi audiovisivi del visivo e recuperare conoscenza basata su query
patrimonio culturale italiano. definite dagli utenti, ma sono limitati all’analisi di

immagini statiche e al riconoscimento e alla de-
Il progetto svilupperà, addestrerà e rilascerà
pubblicamente Foundation models completamen- scrizione di contenuti generici appartenenti alla
te multimodali e progettati per lavorare nativamen- cultura inglese o americana. Questo limita la loro
te su video, personalizzabili e adattabili a concetti applicabilità agli archivi audiovisivi e storici.
long-tail, e pertanto adatti a trattare concetti della Alla base del progetto MUCES c’è una sinergia
cultura italiana e specifici del dominio del patri- tra la ricerca in Computer Vision, Machine Lear-
monio culturale. I modelli saranno implementati a ning e Content-based retrieval su larga scala. Il
larga scala e progettati per lavorare efficacemen- progetto riunisce le esperienze di ricerca di due
te su enormi archivi contenenti milioni di video, gruppi di ricerca riconosciuti a livello internazio-
tramite l’utilizzo del supercalcolatore Leonardo di nale: AImageLab di Unimore, che ha il ruolo di

CINECA, e in sinergia con iniziative nazionali ed capofila, e il laboratorio di Intelligenza Artificiale
internazionali per lo sviluppo di modelli fondazio- per i Media e le Umanità di ISTI CNR, che abbrac-
nali aperti. cia anni di competenza in Multimedia, Retrieval e
Computer Vision.
I documenti audiovisivi sono una risorsa vita-
le per le future generazioni e per preservare e Dagli archivi audiovisivi si passa ai sistemi di
ricordare la cultura del passato, le credenze e i previsione meteorologica con il progetto PRIN
costumi. Un esempio famoso è l’Archivio dell’Isti- SEAPLANE - SimulatIon and modElling of in-
tuto LUCE, che fornisce una sezione trasversale terfAce fluxes in wind-wave flows for an im-
storica e culturale inestimabile della prima metà Proved cLimAte scieNcE, coordinato dal Prof.
del XX secolo, preservando più di 77mila film di- Andrea Cimarelli.

gitalizzati e accessibili online. Data la significativa I sistemi al centro dello studio sono composti
esplosione della produzione di documenti audiovi- da numerosi sottosistemi come il modello atmo-
sivi a partire dal secolo scorso, la conservazione sferico, il modello d’onda, il modello terrestre e
del patrimonio culturale si trova di fronte a nuove il modello oceanico. L’accoppiamento tra questi
sfide nella gestione di documenti audiovisivi digi- sottosistemi si basa principalmente su coefficienti
talizzati. L’archivio digitale della RAI, ad esempio, di trasferimento che regolano i flussi di quantità di
contiene per esempio più di 1,3 milioni di ore di moto e calore tra di essi. Di particolare rilevanza è

programmi TV e radio e 800mila film prodotti dal il loro comportamento all’interfaccia tra oceano e
1954 in avanti che devono ancora essere comple- atmosfera. Il motivo è dato dal fatto che gli oceani
tamente catalogati. Nel complesso, il tasso di pro- coprono il 71% della superficie terrestre, renden-
duzione degli audiovisivi supera oggi di gran lunga do questi fenomeni di interfaccia molto rilevanti
le risorse necessarie per costruire e mantenere gli per la dinamica dell’atmosfera.
archivi accessibili.
La qualità dei sistemi di previsione dipende
In questo contesto, i modelli di Intelligenza Arti- quindi fortemente dall’affidabilità di questi coeffi-
ficiale possono aiutare a migliorare l’accessibilità cienti, fortemente limitata dalle attuali conoscenze
degli archivi audiovisivi comprendendone automa- dei processi fisici che nel caso delle interazioni
ticamente il contenuto, estraendo informazioni e vento-onda mancano ancora di una teoria suffi-

indicizzandoli per renderli facilmente ricercabili. I cientemente generale e completa. Il motivo è la
metodi esistenti possono analizzare il contenuto
natura multiscala e multifisica dei fenomeni coin-

15