From Vision to Modeling: le Macchine Architetturali dalla Funzione alla Forma

La visione computazionale e la grafica tridimensionale sono oggi considerate discipline affini che trattano di problemi l’uno l’inverso dell’altra. La prima interpreta gli oggetti e il loro movimento utilizzando come input le immagini (object recognition and motion capture) mentre la seconda trasforma una rappresentazione computazionale tridimensionale del mondo in immagini (modeling, rendering, animation). La convergenza di problemi e metodi di queste due discipline in quest’ultimo decennio ha portato alla definizione di un nuovo campo di ricerca ibrido che si fonda sia sulla visione che sulla geometria computazionale per offrire nuove soluzioni a vecchi problemi ed anche per definire nuovi campi di ricerca (image based rendering, 3D photography, modeling and animation by visual example).
In questa conferenza, Flavia Sparacino descriverà varie piattaforme tecnologiche da lei messe a punto al Massachusetts Institute of Technology all’interno del gruppo Vision and Modeling, e con la startup del MIT, Sensing Places. Gli argomenti affrontati comprendono l’uso di metodi Bayesiani per il body tracking; machine learning per il riconoscimento del gesto interpretato come input ad un sistema complesso o per l’identificazione delle preferenze del visitatore di un museo; text mining per l’organizzazione dell’informazione su Internet secondo un piano urbanistico che ne faciliti la memoria; e la visione tridimensionale per la stima della posizione e del movimento di corpi e oggetti nello spazio.
L’insieme di questi lavori è orientato alla creazione di spazi senzienti dotati di abilità percettive che si adattano alle abitudini ed esigenze di chi li abita. Tali spazi contribuiscono a definire nuove tendenze in architettura, fondendo reale e virtuale, e rimodellando il nostro modo di vivere e percepire il museo, la casa, il teatro, e la città moderna. A conclusione del suo intervento, Flavia Sparacino
parlerà del suo nuovo progetto di ricerca ispirato dalla necessità di progettare per l’architettura nuove geometrie che sostengano la funzionalità di questi ambienti intelligenti, e la cui ricerca e messa a punto può beneficiare di alcune delle stesse tecniche di 3D vision e Bayesian learning da lei già esplorate.