Descripción del proyecto
HOY EN DIA, TODOS LOS METODOS DE RECONSTRUCCION VIRTUAL DE EDIFICIOS DE INTERES HISTORICO REQUIEREN EL USO DE MODELOS 3D. PARTIENDO DE UN ANALISIS DE LAS RUINAS BASADO EN LA RECOPILACION DE DATOS (MANUALMENTE O MEDIANTE NUBES DE PUNTOS), LOS ARQUITECTOS Y ARQUEOLOGOS ELABORAN MODELOS 3D PARA VISUALIZARLOS EN ESCENARIOS VIRTUALES, INCLUSO EN EXPERIENCIAS DE REALIDAD VIRTUAL. DADO QUE ESTE PROCESO REQUIERE DE UNA RESPUESTA ESPECIFICA, COMPLEJA Y NO REUTILIZABLE PARA CADA UNO DE LOS EDIFICIOS ANALIZADOS, SURGE LA SIGUIENTE PREGUNTA: ¿EXISTE UNA ALTERNATIVA METODOLOGICA A ESTE TIPO DE RECONSTRUCCION VIRTUAL UTILIZANDO LOS ULTIMOS AVANCES DE LAS TIC?CREEMOS QUE LA RESPUESTA ESTA EN LAS NUEVAS METODOLOGIAS DE ANALISIS DE IMAGENES DIGITALES DESARROLLADAS EN EL CAMPO DE LA IA (DEEP LEARNING) QUE, EN LOS ULTIMOS 5 AÑOS, SE ESTAN APLICANDO EN MUY DIVERSOS CAMPOS RELACIONADOS CON LA RECONSTRUCCION VIRTUAL DE OBJETOS, PERSONAS Y LUGARES.EL USO DE LAS TECNICAS DE IMAGEN EN EL CONTEXTO ARQUITECTONICO/ARQUEOLOGICO ES DENOMINADO POR LOS INVESTIGADORES DE ARCHER COMO "INPAINTING VIRTUAL RESTORATION". ESTAS RESTAURACIONES, IMPLEMENTADAS POR DOS ARQUITECTURAS NEURONALES PROFUNDAS COORDINADAS Y NO SUPERVISADAS, DENOMINADAS REDES ADVERSARIALES GENERATIVAS (GAN), CONSTITUYEN UNA METODOLOGIA ALTERNATIVA AL COSTOSO PROCESO DE ELABORACION DE MODELOS 3D PARA OBTENER IMAGENES. ESTE ENFOQUE ESTA ABORDANDO DE FORMA CREATIVA NUEVAS AREAS DE EXPERIMENTACION.ADEMAS, LOS RECIENTES AVANCES EN LA CREACION DE IMAGENES CON TECNICAS DE DEEP LEARNING ABREN LA PUERTA AL USO DE INFORMACION TEXTUAL PARA MEJORAR EL PROCESO DE SINTESIS. LA RESPUESTA DE LAS REDES GAN SE VERA REFORZADA Y MEJORADA POR TECNICAS PLN (PROCESAMIENTO DE LENGUAJE NATURAL). LA PROPUESTA DE ARCHER SEGUIRA ESTE ENFOQUE Y SE CENTRARA EN LA GENERACION DE IMAGENES MEDIANTE MODELOS NLP COMBINADOS CON UN MODELO GAN DE FORMA QUE, A PARTIR DE UNA ENTRADA DE TEXTO INTRODUCIDA POR UN USUARIO, SE COMPLETE LA IMAGEN DEL EDIFICIO ANALIZADO.EL MODELO GAN¬-NLP RESULTANTE SERA CAPAZ DE RESTAURAR IMAGENES FOTORREALISTAS EN TIEMPO REAL, FACILITANDO ASI EL USO DE ESTA TECNOLOGIA TANTO EN ENTORNOS PROFESIONALES (ARQUITECTOS, ADMINISTRACIONES PUBLICAS Y EMPRESAS DE RESTAURACION DE PATRIMONIO) COMO TURISTICO-CULTURALES (MUSEOS, CENTROS DE INTERPRETACION DE YACIMIENTOS ARQUEOLOGICOS O EDIFICIOS PATRIMONIALES).ESTAS IMAGENES 2D SE CONVERTIRAN TAMBIEN EN MODELOS 3D Y SE ETIQUETARAN AUTOMATICAMENTE UTILIZANDO DE NUEVO UNA ARQUITECTURA MIXTA DE REDES GAN-PLN Y LA TAXONOMIA OBTENIDA (UN GEMELO DIGITAL). ESTAS SERAN CAPACES DE EXTRAER LA INFORMACION MAS RELEVANTE DEL TEXTO Y SUGERIR SUBTITULOS DETALLADOS QUE REFLEJEN LOS ELEMENTOS ESPECIFICOS DE UNA IMAGEN. EL GEMELO DIGITAL INTEGRA LA INTELIGENCIA ARTIFICIAL Y LA ANALITICA DE DATOS PARA CREAR MODELOS DIGITALES DINAMICOS CAPACES DE APRENDER Y ACTUALIZAR EL ESTADO DE LA CONTRAPARTE FISICA A PARTIR DE MULTIPLES FUENTES. UN GEMELO DIGITAL DE ESTE TIPO PUEDE UTILIZARSE COMO UN SISTEMA BIM INTELIGENTE CUANDO SE COMBINAN TECNICAS DE DEEP LEARNING CON EL MODELO 3D.ESTA ES LA LINEA DE BASE DE ARCHER, UN PROYECTO INTERDISCIPLINARIO PARA LA RECONSTRUCCION VIRTUAL DEL PATRIMONIO ARQUITECTONICO UTILIZANDO TECNICAS DE IA/DEEP LEARNING. COMBINA EL PROCESAMIENTO DE IMAGENES Y EL LENGUAJE NATURAL PARA REALIZAR UNA RESTAURACION VIRTUAL AUTOMATICA Y OBTENER GEMELOS DIGITALES ETIQUETADOS CON METADATOS (MODELOS BIM) ESPECIFICOS DE LA CONSTRUCCION MEDIANTE UNA TAXONOMIA DESARROLLADA "AD HOC". RQUITECTURA\BIM\GEMELOS DIGITALES\PROCESAMIENTO DEL LENGUAJE NATURAL\APRENDIZAJE PROFUNDO\INTELIGENCIA ARTIFICIAL\RECONSTRUCCION VIRTUAL\ARQUEOLOGIA\PATRIMONIO