RFID在博物館的應用

現在幾乎所有資訊都可以透過Google搜尋而得知，因此，博物館正在思考如何提供不同類型的價值及知識，而其中一種策略是透過使用RFID技術為訪客創建一個身歷其境的體驗。

RFID技術也稱為無線射頻辨識(Radio-frequency identification)，是一種無線通訊技術，透過調成無線電頻率的電磁場識別特定目標並讀寫相關數據，把數據從附著在物品上包含電子儲存資訊的標籤傳送出去，以自動辨識與追蹤該物品，目前已在生活中被廣泛使用。另外，世界各地的許多博物館都在使用RFID技術來創建互動式的展品，這些展品的吸引力有時甚至比稀有的文物及藝術品還要大，並可以加深觀眾對歷史、藝術和社區的了解，以及有助於提供訪客個性化的體驗。

像是於5月12日開幕的國際間諜博物館(International Spy Museum)，讓訪客進行的核心體驗是「臥底任務」，訪客可以在該博物館的簡報中心(Briefing Center)獲得臥底身份以及支援RFID的臥底徽章，透過RFID技術追蹤訪客的行為，讓訪客除了可以邊參觀邊隱瞞間諜身份以測試其間諜技巧，還可以在參觀後線上輸入徽章編號來獲得任務的匯報結果。

(圖片來源: https://washington.org/visit-dc/guide-to-international-spy-museum)

另外，在密西根大學自然歷史博物館(University of Michigan Museum of Natural History)中也使用RFID技術讓訪客獲得更多的動手體驗。在11月時，他們推出一個可以讓訪客仔細觀察25種獨特文物的新展覽，其中包含一塊petoskey stone(密西根州的州立岩石)、早期的人類手工藝品以及Grypania spiralis的化石(目前已知最早的真核生物)。這些化石與其他標本會被裝在設有RFID標籤的透明保護箱中，當訪客將文物放在展示台上時，將啟動查看有關該文物更多資訊的功能，像是照片、影片及地圖等，甚至可以使用此功能讓訪客去找尋每個文物的特別之處。此展覽使訪客能夠與真實的標本互動，同時更深入的探索且學習更多關於這些文物的奧秘。

(圖片來源:截圖自影片https://www.youtube.com/watch?time_continue=1&v=idiOkv8ofYA)

RFID技術除了可以使訪客的博物館體驗更加豐富之外，對增強博物館資產保存及安全也十分有幫助。

由於許多博物館有成千上萬件的館藏，使得管理人員需要在技術幫助的情況下有效掌握藏品，像是擁有許多古老且負盛名藝術品的大都會藝術博物館(The Metropolitan Museum of Art)，在2018年吸引了超過735萬訪客入場參觀，雖然這是一個令人難以置信的人數，但在大多數情況下，訪客的行為舉止得體，很少破壞博物館的藏品。那麼，為什麼大都會博物館需要RFID技術來保護他們的無價藝術品呢？

為了避免藝術品暴露在某些溫度和環境下會造成嚴重的損壞，因此博物館使用RFID技術來保持對特定區域環境變化的警覺，他們在博物館的中世紀藝術迴廊區中設置了RFID標籤，使管理人員可以更容易了解環境如何影響陳列的藝術品，以保持無價的藝術品及文物的良好狀態。

(圖片來源: https://www.metmuseum.org/about-the-met/curatorial-departments/medieval-art-and-the-cloisters)

由上述例子可知，RFID技術增強了博物館的訪客體驗及後端支援，並且持續被許多博物館使用著。對於博物館管理人員來說，RFID技術除了可以提供展品受歡迎程度的資訊之外，也可以幫助追蹤藏品庫存，並防止被竊盜及破壞，在各方面來說皆有助益；而對訪客來說，此技術不僅不會對參觀經驗產生干擾，同時也可以提升參觀的水準，使之更加有趣且令人難忘，值得前往體驗。

資料來源:

1.      BizTech: https://biztechmagazine.com/article/2019/10/rfid-tags-enhance-museum-experiences-and-back-end-support?fbclid=IwAR29IhpNTDGClFdyQBsMqzw_hoXHk9EXwq5vdH8XYPiBjLKKPwQ4RcrcIKg

2.      Ideum: https://ideum.com/portfolio/rfid-table

3.      Spy Museum: https://www.spymuseum.org/

4.      AlleyWatch: https://www.alleywatch.com/2019/03/5-ways-new-york-city-has-embraced-rfid-technology/

5.      WIKIPEDIA: https://en.wikipedia.org/wiki/Radio-frequency_identification

文/鄭珮君

藝術品的重建及未來應用—以荷蘭TU Delft的研究為例

位於荷蘭台夫特科技大學(TU Delft)的研究人員最近開發了一種基於卷積神經網絡(convolutional neural network,CNN)的模型，提出將多分辨率圖像分析和深度卷積神經網絡(CNN)結合在一起的方法，以像素為單位預測圖形的過去外觀，並重建那些隨著時間變質的繪畫，結果表明，退化圖像的預測重建是可行的。此研究發表於Springer的《Machine Vision and Applications》文章中。

在過去，像是CNN這樣的機器學習技術主要用於識別創作特定藝術品的藝術家，以及確認繪畫的真偽；而與先前不同的是，研究人員Jan van der Lubbe及他的同事則是研究如何對劣化的畫作進行像素級重建，這些畫作在幾十年之後可能會完全退化，因此這些研究人員希望透過開發自動重建藝術品的模型來保護這些珍貴的畫作。由於畫作的變質對藝術保存方面來說十分關鍵，所以可以自動重建殘缺藝術品的工具也將大大簡化藝術史學家的工作。

目前，研究人員們著重於重建Vincent Van Gogh的一些畫作複製品，這些繪畫隨著時間推移已開始褪色和變色，為了透過機器學習技法來預測藝術品在紙上的原始、過去和將來的外觀，會先將複製品作為繪畫過去的參考資訊，而將重建繪畫當作像素級別上的預測問題。其中，梵谷的雪地與農具(Snow-Covered Field with a Harrow (after Millet))這幅畫是最常被提起的例子，這幅畫現在可在梵谷博物館(Van Gogh Museum)看到。研究人員Van der Lubbe說明此幅畫作的顏色已淡化，並且被畫框保護著的畫作邊緣原本是紫色的，而現在則是顯示出綠色。

(圖片來源: https://www.tudelft.nl/en/2019/ewi/researchers-from-tu-delft-discover-real-van-gogh-using-artificial-intelligence/)

研究人員通過一系列實驗評估了此模型，發現此模型取得了顯著成果，強調對退化的圖像、文檔和藝術品進行預測性重建的可行性，將來，此模型可幫助藝術史學家對藝術品進行重建，除了梵谷的繪畫之外，也可以將其應用於其他退化的紙上藝術品或19世紀手稿。

(梵谷手稿及複製品 圖片來源: https://www.tudelft.nl/en/2019/ewi/researchers-from-tu-delft-discover-real-van-gogh-using-artificial-intelligence/)

現今越來越多博物館開始試著使用數位的方式重建這些藝術品的退化，而台夫特科技大學(TU Delft)的研究人員正在努力幫助他們，這樣的進展同時也可以促進不同產業之間的合作，像是以梵谷的研究項目(ReViGo)為例，梵谷博物館(Van Gogh Museum)和荷蘭文化遺產局的策展人、修復師、藝術史學家和科學家互相合作找尋梵谷作品中的顏色變化。並且透過此技術，除了揭示過去的繪畫外觀之外，還可以幫助藝術史學家訂定適當的藝術品保存與修復策略，以及藝術品展示的有效方法，對於在博物館的運用上有很大的幫助。

參考資料:

1.      TechXplore: https://techxplore.com/news/2019-09-machine-reconstruct-deteriorated-van-gogh.html?fbclid=IwAR1hRdgEtg5W4QhlpysG3-e6FbIYn-shlisbYeFK4LH9T98-lbvN0Eh3QXA

2.      TU Delft: https://www.tudelft.nl/en/2019/ewi/researchers-from-tu-delft-discover-real-van-gogh-using-artificial-intelligence/

3.      Springer: https://link.springer.com/article/10.1007/s00138-019-01047-3

文/鄭珮君