Giau Gabriele

XXXVIII Cycle IDAUP (A. Y. 2022-2023) 

Giau GabrieleCurriculum: Architecture

Topic: 1.5 Cultural heritages. Innovations and ICT processes for cultural heritages use and conservation. | 1.5 Patrimonio culturale. Innovazioni e processi TIC per l'uso e la conservazione del patrimonio culturale.

Home Institution:  University of Ferrara

Disciplinary sector: 08/CEAR-10: Drawing

Main Supervisor: Prof. Federica Maietti, DA Unife

Co-Supervisor: Prof. Fabrizio Aimar, Polis University

ORCID ID: 0000-0002-5921-1641

SFERA ID: https://sfera.unife.it/cris/rp/rp25819

Concise CV (English version)
Since earning a double-degree graduation in Italy and Brazil in 2019, he has been a member of the DIAPReM research center at the Department of Architecture of the University of Ferrara, where he focuses on integrated surveying and digital data management. He has worked on 3D surveys of various cultural and archaeological heritage buildings, including the Colosseum. Since 2021, he has been teaching assistant in drawing and surveying courses at the same university. He works as a freelance architect, primarily with the HPO group, with whom he developed the “Uccellaccio” project, exhibited in the Italian Pavilion at the 18th Venice Architecture Biennale in 2023.

Concise CV (Italian version)
A partire dalla laurea magistrale conseguita con doppio titolo Italia-Brasile nel 2019, è membro del centro di ricerca DIAPReM del Dipartimento di Architettura dell’Università di Ferrara, dove si occupa di rilievo integrato e gestione dei dati digitali. Ha lavorato al rilievo tridimensionale di diversi edifici del patrimonio culturale e archeologico, tra cui quello del Colosseo. Dal 2021 è assistente alla didattica nei corsi di disegno e di rilievo presso la stessa università. Lavora come architetto libero professionista, principalmente col gruppo HPO, con cui ha realizzato il progetto “Uccellaccio”, esposto al Padiglione Italia della XVIII Biennale di Architettura di Venezia 2023.

Research proposal (English version)

Title: Toward a Thematic Documentation of Heritage Features. Digital Data Segmentation for Comparative, Critical-Interpretative Analysis within the Scan.To-Bim Process.

Description: The research project focuses on the development and application of artificial intelligence algorithms for the thematic segmentation of point clouds, aimed at supporting Scan-to-BIM processes and data interpretation. The primary objective is to classify point clouds based on surface characteristics, such as materials, construction techniques, and states of conservation. The research delves into supervised Machine Learning algorithms, where specialists, utilizing their critical and interpretive expertise, train, test, and validate the predictive model. Various case studies are examined depending on the type of experimentation required, employing both point clouds obtained via laser scanning and digital photogrammetry. Moreover, the research investigates the relationship between intensity data and surface characteristics, alongside methods for robustly associating color data with laser scanner point clouds. This approach aims to enhance input data quality and, consequently, yield more meaningful results. Both algorithms that process point clouds directly and those that work with images are considered. The hierarchized models generated through automated procedures offer significant support for further processing and serve as valuable tools for all stakeholders engaged in the issues of heritage digital surveying and data interpretation. These stakeholders include public administrations as well as companies in the industrial sector, particularly those specializing in cultural heritage and preservation, which are often characterized by a strong focus on innovation. This way, the research can help accelerating the digital transition of cultural heritage processes and it is applicable at different scales.

Keywords: 3D integrated Survey, Segmentation, Classification, AI, Cultural heritage

Research proposal (Italian version)

Titolo: Verso una Documentazione Tematica delle Caratteristiche del Patrimonio. Segmentazione dei Dati Digitali per un’Analisi Comparativa e Critico-Interpretativa nel Processo Scan-to-BIM.

Descrizione: Il progetto di ricerca si concentra sullo sviluppo e sull’applicazione di algoritmi di intelligenza artificiale per la segmentazione tematica delle nuvole di punti, finalizzati a supportare i processi Scan-to-BIM e l’interpretazione dei dati. L’obiettivo principale è classificare le nuvole di punti in base alle caratteristiche delle superfici, come i materiali, le tecniche costruttive e gli stati di conservazione. La ricerca esplora algoritmi di Machine Learning supervisionato, in cui gli specialisti, sfruttando la loro esperienza critica e interpretativa, allenano, testano e validano il modello predittivo. Diversi casi studio sono esaminati in base al tipo di sperimentazione richiesta, utilizzando sia nuvole di punti ottenute da rilievi laser scanner sia da fotomodellazione digitale. La ricerca indaga, inoltre, il rapporto tra il dato di riflettanza e le caratteristiche delle superfici, oltre a sviluppare metodi per associare in modo robusto i dati di colore alle nuvole di punti laser scanner. Questo approccio mira a migliorare la qualità dei dati in ingresso e, di conseguenza, a ottenere risultati più significativi. Sono considerati sia algoritmi che operano direttamente sulle nuvole di punti, sia quelli che lavorano con immagini. I modelli gerarchizzati generati attraverso procedure automatizzate rappresentano un prezioso supporto per ulteriori elaborazioni e costituiscono strumenti utili per tutti gli attori coinvolti nell’ambito del rilievo digitale e dell’interpretazione dei dati del patrimonio. Questi stakeholders includono sia le amministrazioni pubbliche sia le aziende del settore industriale, in particolare quelle che operano nell’ambito della conservazione e valorizzazione del patrimonio culturale, caratterizzate da una forte componente di innovazione. In questo modo, la ricerca contribuisce ad accelerare la transizione digitale dei processi legati al patrimonio culturale, dimostrandosi applicabile a diverse scale e contesti.

Parole chiave: Rilievo Integrato 3D, Segmentazione, Classificazione, AI, Patrimonio culturale