DOI: https://doi.org/10.5194/isprs-archives-xlviii-2-w12-2026-319-2026
تاريخ النشر: 2026-02-12
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: المسح ثلاثي الأبعاد والتراث الثقافي
نظرة عامة
تناقش الورقة البحثية جهود مشروع 3DBigDataSpace الأوروبي، الذي يتضمن ائتلافًا من عشرة شركاء يركزون على تنظيم واستخدام نماذج ثلاثية الأبعاد ذات ترخيص مفتوح تمثل عناصر التراث الثقافي عبر أوروبا. يهدف المشروع إلى تجميع مجموعة بيانات شاملة من الأصول ثلاثية الأبعاد، لا سيما من مستودعات كبيرة مثل Objaverse وShapeNet، وتطوير تطبيقات عرض مناسبة لمختلف السياقات، بما في ذلك المعارض المتحفية، والسياحة الثقافية، والأغراض التعليمية. تشمل الأنشطة الرئيسية تصنيف وتحديد المواقع الجغرافية لهذه النماذج ثلاثية الأبعاد، لضمان وصولها وتطبيقها في إعدادات متنوعة.
في الاستنتاجات، يشير المؤلفون إلى أن التحقق الأولي من نهجهم جارٍ، مع خطط لدمج تقنيات واعدة في خط معالجة معياري لإدخال البيانات إلى منصات مثل Zenodo وEuropeana. ستتضمن هذه الخطوط مكونات مثل أداة إعادة تشكيل ثلاثية الأبعاد ذات جودة إنتاجية لضبط مستوى التفاصيل في النماذج. تشمل الخطوات المستقبلية الاختبار باستخدام مجموعات بيانات واسعة، تتكون من 8.9 مليون أصل من Objaverse XL وThingiverse، إلى جانب 1.2 مليون بلاطة مقسمة من LiDAR وOpenStreetMap. من المتوقع أن تؤكد حالات الاستخدام الجارية المزيد من صحة مجموعات البيانات وتقنيات العرض في التطبيقات العملية.
مقدمة
في مقدمة الورقة، يتناول المؤلفون التحديات الكبيرة المرتبطة باستخدام النماذج ثلاثية الأبعاد في المتاحف والتعليم والسياحة، مع تسليط الضوء بشكل خاص على الحاجة إلى تخصيص واسع وندرة النماذج ثلاثية الأبعاد المتاحة للتراث الثقافي (Münster، 2023). يوضح المقال الجهود الأولية لتجميع مستودع شامل من الأصول ثلاثية الأبعاد المتعلقة بالتراث الثقافي، إلى جانب تطوير تطبيقات عرض سهلة الاستخدام. علاوة على ذلك، يهدف المؤلفون إلى إثراء هذه الموارد وتطبيقها في سياقات متنوعة لتعزيز وتقييم قابلية استخدام النماذج ثلاثية الأبعاد. بينما تقدم جمع البيانات وتطوير تطبيقات العرض إلى مرحلة متوسطة، لا يزال التحقق من هذه النماذج ضمن حالات الاستخدام العملية قيد التقدم.
النتائج
تشير النتائج إلى أن مجموعات البيانات ثلاثية الأبعاد الكبيرة والمشاهدين المتنوعين تعزز بشكل كبير التجارب التعليمية والسياحية والمتحفية من خلال توضيح معلومات التراث الثقافي بشكل فعال. على الرغم من التقدم في تقنيات ثلاثية الأبعاد، لا تزال الأساليب المعتمدة على النصوص، مثل التسميات والوصف، تتفوق على أساليب التصنيف وتحديد المواقع الجغرافية المعتمدة على الصور. ومن الجدير بالذكر أنه بالنسبة لمهام تحديد المواقع الجغرافية، تظهر النماذج التي تستخدم نماذج لغوية كبيرة كاملة (LLMs)، مثل Deepseek-R1، أداءً متفوقًا مقارنة بالنماذج الأصغر أو النماذج المعتمدة على المحولات.
بالإضافة إلى ذلك، يكشف تحليل الأصل أن الغالبية العظمى من محتوى التراث الثقافي ثلاثي الأبعاد الذي تم فحصه يأتي من دول البحر الأبيض المتوسط، حيث تعتبر المباني والتماثيل أكثر فئات العناصر التي تم التعرف عليها بشكل متكرر. تدعم هذه النتيجة الدراسات السابقة، التي أشارت إلى أن نسبة كبيرة من الأجسام ثلاثية الأبعاد الرقمية تتركز في إيطاليا وإسبانيا واليونان (Münster، 2019).
المناقشة
تسلط قسم المناقشة في الورقة الضوء على التقدم في مجموعات بيانات المحتوى ثلاثي الأبعاد وتقنيات إثراء البيانات الوصفية، مع التأكيد على أهمية المستودعات الكبيرة مثل Objaverse وShapeNet للتراث الثقافي. يشير إلى أنه على الرغم من التقدم الكبير الذي تم إحرازه في تحديد المواقع الجغرافية وتصنيف العناصر، لا تزال التحديات قائمة، خاصة في تحديد المواقع بدقة للصور التاريخية وتصنيف الأنماط المعمارية الأقل تميزًا. أظهرت الأطر الحديثة التي تدمج نماذج التعلم الآلي وعدًا في تحسين دقة تحديد المواقع الجغرافية، حيث حقق نموذج DeepSeek-R1 معدل تعرف بنسبة 82% للدول، على الرغم من أن الأداء يختلف بشكل كبير عبر النماذج المختلفة.
كما يتناول القسم تطوير معالج بيانات التراث (HDP)، وهو تطبيق معياري مصمم لتبسيط معالجة وإدارة الأصول الرقمية. يستخدم هذا الأداة مزيجًا من التعلم الآلي وواجهات برمجة التطبيقات الخارجية لتعزيز تدفقات البيانات، مما يسهل دمج مجموعات بيانات متنوعة في إطار متماسك. علاوة على ذلك، تناقش الورقة إنشاء أداة MeshOptimizer تهدف إلى تحسين النماذج ثلاثية الأبعاد لتحسين العرض، وتوضح البنى التحتية المختلفة للعرض التي يتم تطويرها لدعم التجارب الغامرة في المعارض المتحفية والإعدادات التعليمية. يؤكد التحقق المستمر من هذه التقنيات من خلال حالات الاستخدام الواقعية على إمكانياتها لتعزيز التفاعل والتعلم في سياقات التراث الثقافي.
DOI: https://doi.org/10.5194/isprs-archives-xlviii-2-w12-2026-319-2026
Publication Date: 2026-02-12
Author(s): Zhenyun Du et al.
Primary Topic: 3D Surveying and Cultural Heritage
Overview
The research paper discusses the efforts of the European 3DBigDataSpace project, which involves a consortium of ten partners focused on curating and utilizing open licensed 3D models that represent cultural heritage objects across Europe. The project aims to compile a comprehensive dataset of 3D assets, particularly from large-scale repositories like Objaverse and ShapeNet, and to develop viewer applications suitable for various contexts, including museum exhibitions, cultural tourism, and educational purposes. Key activities include the classification and geolocalization of these 3D models, ensuring they are accessible and applicable in diverse settings.
In the conclusions, the authors indicate that the initial validation of their approaches is underway, with plans to integrate promising technologies into a modular processing pipeline for data ingestion into platforms like Zenodo and Europeana. This pipeline will feature components such as a production-grade 3D remesher to adjust the level of detail in the models. Future steps include testing with extensive datasets, comprising 8.9 million assets from Objaverse XL and Thingiverse, alongside 1.2 million segmented LiDAR and OpenStreetMap tiles. The ongoing use cases are expected to further validate the datasets and viewer technologies in practical applications.
Introduction
In the introduction of the paper, the authors address the significant challenges associated with the use of 3D models in museums, education, and tourism, specifically highlighting the need for extensive customization and the scarcity of available cultural heritage 3D models (Münster, 2023). The article outlines the initial efforts to compile a comprehensive repository of 3D assets related to cultural heritage, along with the development of user-friendly viewer applications. Furthermore, the authors aim to enrich these resources and apply them in various contexts to enhance and assess the usability of 3D models. While the data collection and viewer application development have progressed to an intermediate stage, the validation of these models within practical use cases is still in progress.
Results
The results indicate that large-scale 3D datasets and versatile viewers significantly enhance educational, tourism, and museum experiences by effectively illustrating cultural heritage information. Despite the advancements in 3D technologies, text-based approaches, such as captions and descriptions, continue to outperform image-based classification and geolocalization methods. Notably, for geolocalization tasks, models utilizing full-scale large language models (LLMs), such as Deepseek-R1, demonstrate superior performance compared to smaller LLMs or transformer-based models.
Additionally, the provenance analysis reveals that the majority of the 3D cultural heritage content examined originates from Mediterranean countries, with buildings and sculptures being the most frequently identified object categories. This finding corroborates previous studies, which noted that a significant proportion of digitized 3D objects are concentrated in Italy, Spain, and Greece (Münster, 2019).
Discussion
The discussion section of the paper highlights the advancements in 3D content datasets and metadata enrichment techniques, emphasizing the importance of large-scale repositories such as Objaverse and ShapeNet for cultural heritage. It notes that while significant progress has been made in geolocalization and object classification, challenges persist, particularly in accurately spatializing historical photographs and classifying less distinctive architectural styles. Recent frameworks integrating machine learning models have shown promise in improving geolocalization accuracy, with the DeepSeek-R1 model achieving an 82% recognition rate for countries, although performance varies significantly across different models.
The section also details the development of the Heritage Data Processor (HDP), a modular application designed to streamline the processing and management of digital assets. This tool employs a combination of machine learning and external APIs to enhance data workflows, facilitating the integration of diverse datasets into a cohesive framework. Furthermore, the paper discusses the creation of a MeshOptimizer tool aimed at optimizing 3D models for better visualization, and outlines various viewer infrastructures being developed to support immersive experiences in museum exhibitions and educational settings. The ongoing validation of these technologies through real-world use cases underscores their potential to enhance engagement and learning in cultural heritage contexts.