Opracowanie fotografii muzealnej: etapy procesu i zastosowanie modeli AI

Materiał ilustracyjny pochodzi ze zbiorów MuFo (Muzeum Fotografii w Krakowie), które udostępniło w Europeanie kilkadziesiąt obiektów jako domenę publiczną. Są to głównie portrety wykonane w krakowskim atelier w latach 70. i 80. XIX wieku, a także kilka reprodukcji obrazów i widoków Krakowa. Zbiór ten dobrze ilustruje typowe problemy katalogowe: nazwiska opatrzone znakiem zapytania, po dwa ujęcia tych samych osób oraz tytuły opisowe w rodzaju „Mężczyzna, portret”.

1. Skala zasobów

Muzeum Narodowe w Warszawie (MNW) ma w ramach projektu Apollo zdigitalizować do maja 2028 roku ponad 40 tysięcy obiektów, w tym fotografie. Biblioteka Uniwersytetu w Gandawie opracowuje z pomocą AI prawie 62 tysiące szklanych płyt, ponieważ opis ręczny w tej skali nie byłby wykonalny. Archiwum Texas State University przechowuje około 1,8 miliona negatywów. Przy zasobach tej wielkości zwiększenie obsady działu inwentarza o jeden etat ma znikomy wpływ na tempo opracowania.

2. Etapy procesu

Opracowanie fotografii w muzeum obejmuje w przybliżeniu siedem etapów. Dla każdego z nich wskazano proponowany podział pracy między człowieka a system automatyczny, przy założeniu, że proces projektowany jest od podstaw.

1. Przyjęcie i ewidencjaNadanie numeru, koperta, lokalizacja w magazynie. Nadany na tym etapie kod kreskowy towarzyszy obiektowi we wszystkich kolejnych etapach.maszyna proponuje · człowiek decyduje
2. KonserwacjaOcena stanu zachowania, czyszczenie, zabezpieczenie płyt.człowiek
3. Rejestracja obrazuAparat fotograficzny, wzornik w kadrze, nazwa pliku generowana z kodu obiektu, łączna rejestracja awersu i rewersu.maszyna proponuje · człowiek decyduje
4. Obróbka i kontrola jakościOdwrócenie negatywu, kadrowanie, prostowanie, weryfikacja na wzorniku.maszyna
5. OpisTytuł, datowanie, osoby, miejsca, technika, słowa kluczowe, powiązania.maszyna proponuje · człowiek decyduje
6. PrawaStatus prawny, ochrona wizerunku, licencja.człowiek
7. PublikacjaKatalog online, IIIF, eksport do Europeany i innych agregatorów.maszyna

Konserwacji i pracy bezpośrednio przy obiekcie nie można istotnie przyspieszyć. Znaczne oszczędności czasu są natomiast możliwe w etapach obejmujących przetwarzanie plików i danych.

3. Rejestracja obrazu

Postal Museum w Londynie porównało skanowanie szklanych negatywów na skanerze płaskim z ich fotografowaniem aparatem cyfrowym. Skanowanie trwało około 4,5 minuty, nie wliczając umieszczenia płyty w skanerze. Wykonanie zdjęcia aparatem zajmowało około minuty łącznie z obsługą płyty.

Smithsonian Institution zastosował podobne rozwiązanie na większą skalę w odniesieniu do kolekcji numizmatycznej obejmującej około 250 tysięcy arkuszy banknotów, znaczków skarbowych i obligacji. Wcześniej opracowanie jednego arkusza zajmowało do 15 minut i kosztowało około 10 dolarów. Po wdrożeniu linii z przenośnikiem taśmowym digitalizowano około 3,5 tysiąca arkuszy dziennie przy koszcie poniżej dolara za arkusz.

Zwiększenie wydajności nie musi obniżać jakości. Standard FADGI ocenia wierność odwzorowania w skali od jednej do czterech gwiazdek i nie zaleca poziomu niższego niż trzy gwiazdki. Norma ISO 19264-1 definiuje poziomy A, B i C. Oba systemy weryfikują wynik na podstawie wzornika. W Polsce zastosowanie mają ponadto zalecenia NIMOZ z 2011 roku.

Ponieważ rejestracja obrazu trwa około minuty, wąskie gardło procesu przesuwa się na inne etapy, najczęściej na opis.

4. Rozkład czasu pracy

Wobec braku opublikowanych pomiarów obejmujących wszystkie etapy poniżej przedstawiono model szacunkowy dla portretu na płycie szklanej opracowywanego do poziomu pełnego rekordu. Wartości mają charakter przybliżony. Instytucjom muzealnym zaleca się prowadzenie przez dwa tygodnie rejestru czasu pracy dla próby stu obiektów i zastąpienie wartości modelowych wynikami własnych pomiarów.

W przyjętym modelu opis zajmuje 25 z 55 minut. Lepszy sprzęt i skrypty do obróbki skracają rejestrację obrazu i obróbkę z 14 do 4 minut, a więc cały proces o 10 minut. Skrócenie opisu z 25 do 9 minut dałoby oszczędność kolejnych 16 minut. Osiągalność wartości 9 minut pozostaje niezweryfikowana i wymaga sprawdzenia na rzeczywistej serii obiektów.

5. Proponowane zmiany

Poniżej przedstawiono osiem zmian w proponowanej kolejności wdrażania. Pierwsze trzy nie wymagają zastosowania AI, stanowią jednak warunek skuteczności pozostałych.

1Kod identyfikacyjny na kopercie przed rejestracją obrazu

Każda koperta otrzymuje kod kreskowy lub QR z numerem inwentarzowym. Operator skanuje kod przy stanowisku, a oprogramowanie do fotografowania z komputera (tethering) automatycznie nadaje nazwę plikowi i zapisuje metadane techniczne. Eliminuje to błędy w numerach, pomyłki stron oraz pliki pozostawione „do przypisania później”. Reguły nazewnictwa plików są zapisane w konfiguracji oprogramowania i nie zależą od pamięci operatora.

2Kontrola jakości w trakcie sesji

Po każdej serii skrypt weryfikuje na wzorniku tonację, odwzorowanie barw, ostrość i oświetlenie. Wadliwe pliki wracają do operatora, zanim płyta zostanie zdjęta ze stołu. W przypadku negatywów ten sam skrypt odwraca obraz, kadruje go i prostuje. Weryfikacja przez człowieka obejmuje wyłącznie pliki odrzucone i losową próbę.

3Automatyczny odczyt rewersu

Rewersy XIX-wiecznych fotografii zawierają często więcej informacji niż awersy: pieczątkę zakładu, adres, dopiski, numer negatywu, niekiedy datę. Rozpoznawanie pisma odręcznego (np. Transkribus) i OCR nadruków przenoszą ten tekst do rekordu jako wersję roboczą. Ponieważ kartoniki i nadruki zakładów zmieniały się w czasie, zebranie ich wzorów umożliwia także automatyczne zawężanie datowania.

Znak zapytania przy nazwisku oznacza niepewną identyfikację. W ten sam sposób należy oznaczać propozycje generowane przez model (zob. punkt 7).

4Szkic rekordu generowany przez model

Na tym etapie wprowadza się AI. Model wizyjno-językowy otrzymuje obraz, tekst odczytany z rewersu oraz informację o serii, do której należy obiekt. Zwraca szkic rekordu w ustalonym formacie: tytuł roboczy, rodzaj ujęcia, liczbę osób, elementy stroju, przedział dat oraz słowa kluczowe ze słownika muzeum. Każde pole zawiera ocenę pewności i informację o źródle. Kurator weryfikuje i poprawia szkic, a następnie go zatwierdza lub odrzuca.

Największą korzyść przynosi to w przypadku obiektów z tytułami opisowymi, takimi jak „Mężczyzna w stroju polskim, portret” lub „Mężczyzna i dwie kobiety w strojach ludowych, portret”. Tytuł pozostaje bez zmian, a model uzupełnia pola umożliwiające późniejsze filtrowanie kolekcji: elementy ubioru, rodzaj tła, kadr.

// format odpowiedzi modelu (wyłącznie pola, bez przykładowych wartości)
{
  "tytul_roboczy":      "tekst",
  "typ_obiektu":        "negatyw szklany | odbitka | reprodukcja dzieła",
  "kadr":               "popiersie | do pasa | całopostaciowy | grupowy",
  "liczba_osob":        liczba,
  "stroj":              ["termin ze słownika muzeum", …],
  "datowanie":          { "od": rok, "do": rok, "podstawa": "rewers | strój | technika" },
  "tekst_rewersu":      "transkrypcja",
  "pewnosc":            { "pole": 0.0–1.0, … },
  "zrodlo":             "model:nazwa@wersja · prompt:v3 · data",
  "status":             "do weryfikacji"
}

5Grupowanie ujęć z jednej sesji

Sesje w atelier rzadko ograniczały się do jednego ujęcia. Model porównujący obrazy na podstawie ich reprezentacji wektorowych (embeddingów) grupuje zdjęcia z tej samej sesji i proponuje kuratorowi wspólny opis ujęć rozpoznanych jako jedna seria. Opis powstaje jednokrotnie, a różnice między ujęciami uzupełnia się jednym zdaniem. Metoda ta ujawnia również duplikaty plików i wielokrotne skany.

Dwa negatywy o identycznym tytule i dacie. Analogiczną parę tworzą dwie reprodukcje obrazu Kossaka przedstawiającego konia Przedświta (F_F_45649 i F_F_45651).

6Osoby i miejsca jako rekordy wzorcowe

Osobę występującą na kilku fotografiach należy ujmować w kartotece jako odrębny rekord (Wikidata, VIAF lub słownik własny), a nie wyłącznie jako fragment tytułu. W analizowanym zbiorze kilkudziesięciu obiektów Artur Władysław Potocki występuje co najmniej dwukrotnie: w 1877 roku z Różą Potocką i w 1880 roku w stroju polskim. Powiązanie obu fotografii z jednym rekordem pozwala wyświetlić wszystkie jego portrety w porządku chronologicznym. Porównywanie twarzy może wspomagać identyfikację osób na fotografiach niepodpisanych, decyzję podejmuje jednak kurator. W przypadku fotografii z XX wieku należy ponadto uwzględnić ochronę wizerunku i RODO.

Identyfikacja miejsc jest prostsza, ponieważ nie dotyczy jej kwestia ochrony wizerunku. Kościół franciszkanów, Poczta Główna przy ul. Westerplatte i brama parku Jordana mają w Wikidanych rekordy ze współrzędnymi geograficznymi. Powiązane z nimi fotografie można prezentować na mapie lub zestawiać ze współczesnym wyglądem tych miejsc.

7Proweniencja danych na poziomie pola

Jeżeli dane wygenerowane przez model trafiają do katalogu, przy każdym polu należy rejestrować jego źródło: człowiek, model (z nazwą, wersją i użytym promptem) lub import z innego systemu, a także status: propozycja, zatwierdzone, poprawione. Umożliwia to:

• publikację pól zatwierdzonych przed pozostałymi,
• jednorazowe wycofanie wszystkich danych wygenerowanych przez model, którego jakość okazała się niewystarczająca,
• identyfikację pól najczęściej poprawianych przez kuratorów.

Na tej podstawie ustala się progi akceptacji. Wymiary płyty czy orientację można przyjmować automatycznie przy wysokiej pewności, natomiast osoby, datowanie i treść zawsze wymagają zatwierdzenia przez człowieka.

8Publikacja w otwartych standardach

Publikacja może trwać tygodniami, jeżeli dla każdego serwisu przygotowuje się odrębny eksport. Korzystniejszym rozwiązaniem jest jedno źródło danych udostępniane przez IIIF (obrazy z możliwością powiększania i adnotacji) oraz OAI-PMH lub API (metadane), z automatycznym eksportem do agregatorów. Obiekty omawiane w niniejszym tekście są dostępne w Europeanie z oznaczeniem domeny publicznej i bezpośrednimi odnośnikami do plików, dzięki czemu ich odnalezienie i weryfikacja licencji zajęły kilka minut.

6. Szacunkowy wpływ na zaległości

Przyjęto scenariusz obejmujący 10 tysięcy obiektów do opracowania i dwie osoby zatrudnione w pełnym wymiarze czasu pracy, co odpowiada około 3200 godzinom rocznie. Porównano trzy warianty: brak zmian (55 minut na obiekt), wyłącznie modernizację sprzętu fotograficznego (45 minut) oraz wdrożenie wszystkich ośmiu zmian (25 minut). W trzecim wariancie pierwsze trzy miesiące przypadają na wdrożenie, w trakcie którego zespół pracuje według dotychczasowej procedury.

Sama modernizacja sprzętu skraca czas usunięcia zaległości o pół roku, a wdrożenie wszystkich zmian — o prawie półtora roku, mimo braku efektów w pierwszym kwartale.

7. Projekt badania pilotażowego

Przed ogłoszeniem przetargu na system zaleca się przeprowadzenie trzymiesięcznego badania pilotażowego na jednej serii, np. 300 portretach z jednego zakładu fotograficznego.

• Pierwszy miesiąc: pomiar rzeczywistego czasu trwania każdego etapu oraz wdrożenie kodów identyfikacyjnych i automatycznej kontroli jakości (punkty 1 i 2).
• Drugi miesiąc: opis połowy serii z wykorzystaniem szkiców generowanych przez model (punkty 4 i 5), opis drugiej połowy według dotychczasowej procedury.
• Trzeci miesiąc: porównanie obu połówek serii i decyzja o dalszym postępowaniu.

Proponowane wskaźniki:

8. Ryzyka i ograniczenia

• Błędy formułowane z pewnością. Model formułuje odpowiedzi z jednakową pewnością zarówno wtedy, gdy są poprawne, jak i wtedy, gdy określa strój terminem anachronicznym lub błędnie odczytuje nazwisko z rewersu. Z tego powodu status „do weryfikacji” i rejestracja źródła są obowiązkowe.
• Zatwierdzanie bez weryfikacji. Po pięćdziesięciu trafnych propozycjach pięćdziesiąta pierwsza otrzymuje mniej uwagi. Przeciwdziała temu okresowe umieszczanie w kolejce rekordów z celowo wprowadzonym błędem.
• Stereotypy. Modele powielają je w opisach strojów, klasy społecznej i pochodzenia. Słownik muzeum i jego zasady redakcyjne mają pierwszeństwo przed sformułowaniami, które model uznaje za naturalne.
• Rozpoznawanie twarzy a RODO. Rozpoznawanie osób w zbiorach z XX wieku wymaga konsultacji prawnej. W badaniu pilotażowym zaleca się ograniczenie go do fotografii sprzed 1900 roku.
• Miejsce przetwarzania plików. Obiekty w domenie publicznej mogą być przetwarzane w usługach chmurowych. Obiekty chronione prawem autorskim oraz depozyty należy przetwarzać modelem uruchomionym na własnym serwerze.
• Konserwacja. Żadna z opisanych zmian nie skraca czasu konserwacji. Harmonogram nie powinien zakładać zwiększenia wydajności pracy konserwatorów.

Działaniem o najwyższym priorytecie w pierwszym tygodniu jest pomiar czasu trwania każdego etapu w obecnym procesie. Bez takiego pomiaru dyskusja o sprzęcie lub o AI opiera się na przypuszczeniach; dotyczy to również przedstawionego powyżej modelu.

Źródła

1. Katalog zbiorów MuFo i Europeana (fotografie w domenie publicznej).
2. MuFo: konserwacja i digitalizacja 100 szklanych negatywów Walerego Rzewuskiego.
3. Projekt Apollo MNW na stronie CPPC i notatka w serwisie dzieje.pl.
4. Project Glashelder, Gandawa.
5. Moore, Peters: fotografowanie negatywów w Texas State University (2018).
6. Skaner a aparat w digitalizacji szklanych negatywów (TownsWeb, Postal Museum).
7. Smithsonian: digitalizacja z wykorzystaniem przenośnika taśmowego (2015).
8. Poziomy jakości FADGI — omówienie.
9. Zalecenia NIMOZ dotyczące projektów digitalizacyjnych (2011).
10. Zastosowanie AI do 8000 szklanych negatywów w Estońskim Archiwum Narodowym.

Fotografie: Muzeum Fotografii w Krakowie, domena publiczna, za pośrednictwem Europeany. Wykresy oznaczone jako „szacunek modelowy” przedstawiają szacunki autora.