08/11 – Visualizando os registros

Na reunião do dia 08/11 estavam presentes Joy, Julianna, Lito e Maria. Começamos o encontro com as novidades que Joy trouxe sobre a plataforma 3D Vista Virtual Tour, já que estava testando o software por duas semanas. Nesse programa, além de construirmos as tours virtuais pelas imagens 360, podemos customizá-las, por exemplo, mudando a skin, estilo e tipo da organização das fotos 360. Entretanto, 3D Vista tem um custo de 500 dólares, o que nos incentiva a procurar alternativas de montarmos nosso ambiente.

tour realizado com 3d vista: suporte para texto, vídeo, imagem etc
tour realizado com 3d vista: suporte para texto, vídeo, imagem etc
resultado do clique no hotspot, podendo ter links, textos, outras imagens
resultado do clique no hotspot, podendo ter links, textos, outras imagens

Outra novidade apresentada foi a construção do mapa com todas as fotos selecionadas do instagram do projeto. Para o pin de cada imagem foi escolhida uma cor de acordo com o ano. Dessa forma, podemos começar a visualizar possíveis locais para produção das imagens 360 com maior concentração de registros – possíveis hotspots – e quais micronarrativas se entrelaçam. Joy também nos ensinou um pouco mais como fazer upload no site da Paisagem Gráfica. Vimos como um html pode ser disposto e o que a página index significa.

mapa com os primeiros registros categorizados
mapa com os primeiros registros categorizados

A partir dessa visualização, Joy propôs que fizéssemos mais testes de gravação com a câmera 360 para entendermos como a passagem entre hotspots (“pulos”) deverá acontecer.

Por último, a aluna Maria também nos atualizou sobre a classificação de imagem com inteligência artificial. A partir das tags antigas, propostas para a tese de doutorado, foram divididas 4 categorias: duas ou três rodas, composta principalmente por carrinhos de vendedores ambulantes; pessoas, como característica principal da imagem; placas e painéis; veículos. As fotos da pasta, FLICKR_TAGS foram então distribuídas para treinamento e validação do modelo. Entres os testes, o modelo que melhor identificou as fotos novas chega ainda a apenas 60% de acurácia. Dessa maneira, precisamos aumentar o número de imagens que utilizamos para treinamento.

Scroll to Top