
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
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。