En una colaboración entre la Universidad de Ingeniería y Tecnología (UTEC) y la Universidad de Chile, se ha llevado a cabo una investigación liderada por la estudiante Ariana Villegas, de la carrera de Ciencia de la Computación de UTEC, titulada ‘MatchMakerNet: Enabling Fragment Matching for Cultural Heritage Analysis’, que se centra en el desarrollo de un método innovador para restaurar vasijas incaicas, adornos coloniales, y reliquias de la antigua Grecia o del Imperio Romano, que han sufrido daños por el transcurso del tiempo.
La investigación se basa en la adaptación de una red neuronal conocida como DGCNN, que inicialmente presentaba desafíos en términos de complejidad y eficiencia computacional. El equipo de investigadores, encabezado por Villegas y respaldado por el profesor Cristian López del Álamo (UTEC) y el profesor Iván Sipirán (Universidad de Chile), logró desarrollar una variante más eficiente y ágil de la red neuronal, denominada ‘MatchMakerNet’.
“Automatizar el reensamblaje de objetos fragmentados es una tarea compleja en el ámbito del patrimonio cultural, paleontología y medicina. Para abordar esta brecha hemos diseñado una arquitectura de red que permitirá realizar el ‘match’ perfecto con todas las piezas para su reconstrucción”, explica Villegas.
Este nuevo modelo demostró ser altamente efectivo en las pruebas realizadas, mostrando una capacidad mejorada para inferir y reconstruir objetos fracturados de manera rápida y precisa. Gracias a su tamaño reducido, ‘MatchMakerNet’ permitió un entrenamiento más eficiente y acelerado, reduciendo significativamente el tiempo necesario para completar el proceso.
“Imagina que la red es como un cerebro que evalúa si dos piezas coinciden o no. Luego es como si tomara dos piezas de una taza fracturada y decidiera si encajan correctamente o no. Si las piezas coinciden, el sistema marca ‘1′, y si no, un ‘0′”, detalla Del Álamo.
Durante las pruebas del algoritmo, se utilizaron diversas bases de datos, incluyendo ‘Everyday and Puzzles 3D’ y ‘Breaking Bad’. La implementación del algoritmo se llevó a cabo utilizando módulos de la librería PyTorch, con el entrenamiento realizado en el servidor Khipu de UTEC.
Esta investigación marca un hito significativo en el campo de la restauración de artefactos culturales, abriendo nuevas posibilidades para la preservación y reconstrucción de objetos históricos dañados. La segunda fase del proyecto ahora se centra en la reconstrucción total de los objetos, utilizando la información precisa obtenida en la primera etapa del estudio.
“Estamos promoviendo el área de Geometric Deep Learning en UTEC. Hay proyectos futuros como reconstruir objetos con partes faltantes, recrear rostros con muy alta calidad a partir de bocetos hablados, entre otros; pero son trabajos que todavía están en proceso de desarrollo con resultados iniciales. Sin duda este trabajo es un aporte científico no solo para el Perú, también para todo el mundo”, destacó el docente.
Contenido GEC