
对阿皮亚古道考古公园进行激光3D扫描
作为由意大利文化部管理的独立机构,阿皮亚古道考古公园(PAAA)正与米兰理工大学合作,在园区内启动一个系统的数字化项目,希望建立一份以“4D数字孪生”形式实现的现代化地理图集。这套模型专门面向专家、策展人及用户,并将随时间推移继续得到完善。
这项工作由位于米兰理工大学的跨学科调查及代表实验室GIcarus-ABCLab (HBIM-GIS-SDI-XR) 在园方协调下进行。
根据文化部PAAA主任Simone Quilici的介绍,PAAA(建立于2016年)是“一片具有非凡意义的土地,代表着欧洲最大的受保护城市辖区,拥有4500公顷景观,也是一系列考古区域的所在地。沿途有超过10英里长的「诸路之后」,堪称真正的露天博物馆。目前,联合国教科文组织已将这里列入世界遗产候选清单。”
负责塞西莉亚麦特拉之墓与克劳蒂亚水道桥综合体的PAAA考古学家Stefano Roascio补充道,“在不到一年时间里,我们就对首个罗马建筑群及基础设施实现了数字化,其中包括克劳狄乌斯-阿尼奥诺瓦斯帝国渡槽、阿皮亚古道7.3英里路段、塞西莉亚麦特拉之墓、昆蒂利尼庄园博物馆,以及其他一些博物馆中的雕塑虚拟副本。”
由此诞生的首个“4D数字地理图集”共包含超20万张图像,数据与模型总量高达20 TB,囊括为园区内所有调查及地理参考场景创建3D模型所需要的一切地理空间信息。
米兰理工大学Glcarus ABCLab的Raffaella Brumana表示,“这才是真正的数字孪生,它跨越时间的维度,结合信息模型、地震脆弱性规划、接入WiFi的物联网传感器共同建立起项目保护与监测体系。这套模型具备可实施性、可更新性与可搜索性,允许我们将当下与过往关联起来,并随模型规模的持续扩大不断积累知识。在它的帮助下,交互式、沉浸式、远程式考古内容传播将第一次被重复千次万次。”
基于地面激光扫描仪(TLS)与便携式扫描仪(MMS-移动测绘系统)、地面与航空摄影测量、无人机、球形相机与多光谱传感器实现的高精度测量,为我们生成了一套包含大量参数的对象模型,其正射影像平均比例为1:20(平均精度3-5毫米,地面像素分辨率为2毫米)。
米兰理工大学最终构建的模型更是超越了测量指标,成功将调查空间连续拆分为一个个对象。
Glcarus ABCLab研究员Fabrizio Banfi总结道,“它构建起一套HBIM(遗产建筑信息模型),该模型通过针对单一部分的数字「对象」建模实现了复杂适应能力。各部分将由此转化为最先进的XR(扩展现实)交互式环境,将形态转化为知识。”
最终得到的结果,就是一套4D(空间加时间)形式的Scan-to-HBIM模型,且能够与历史信息、资料及监测传感器持续关联,用于监测不稳定性及时间性退休。再结合结构分析(BIM-to-FEA)与GIS(地理信息系统),HBIM平台能够比较过去几个世纪以来最成功的建筑技术,对园区内地块、水渠、方尖碑乃至每块砖石进行建模,由此以面积和体积等指标支持成本分析与工作量计算。
HBIM的一大优势,在于它能够随时间推移不断映射实际场景,防止信息偏移。以往,当研究与修复工作达到一定阶段,实际信息就会与原有记录信息彼此偏移,损害未来的干预与沟通。
归功于互操作性、沉浸式设计与计算机语言的最新发展成果,该项目希望建立一套交互式XR平台,采用VR/AR/MR全方位远程传播推动考古场景数字化。除了用于开展测试之外,该平台还可以根据调查结果对本地/外地收藏品、数字化雕塑和缺失部分进行虚拟重新定位,加深人们对于昆蒂利尼庄园的了解。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。