博物馆智慧化建设创新实践

点击观看大咖分享

 

博物馆场景智慧化需求洞察

 

1.国内博物馆行业市场规模

从目前我们这个截止到应该是在19年年底之前我们统计到的最新数字是国内博物馆的总数达到了5164家。其中的像国有博物馆的占比达到了80.57%,民营博物馆占到了19.43%。全国的我们这个博物馆的一个馆藏文物数量达到了4330万件,文物的这样的一些馆藏的这个数量的年复合增长率保持到12.21%的水平。

2.国内博物馆区域分布情况

针对于国内博物馆数量的行业规模-省域分布做了一个罗列。第一个是山东,包括浙江,河南,陕西,江苏,广东。博物馆他不像山水和乐园,山水类的分布更多的是要看地理位置,乐园景区可能更多受区域经济情况。但博物馆不一样,博物馆的分布就相对来说会比较均匀。因为这个是一个历史的沉淀,各个地区都发生过很深厚的历史故事,也都沉淀下来了属于自己特有的区域性的文博的文物或者是内容。

3.博物馆的分类

博物馆主要分为三大类,分别是历史文物类,文化艺术类和自然科学类。历史文物类里面它有考古,有民族包括革命纪念地;文化艺术类的会比较多,比如说雕塑,书法,时尚,美术,音乐等;自然科学类这个包含自然博物馆和科学技术博物馆,自然博物馆里面又分为一般性和专门性还有园囿性。

4.博物馆职能总结

职能主要分为以下七大内容,分别是搜集、保存、修护、研究、展览,教育、娱乐,其实整体上我就我们可以把它归结为两大类,一大类是我们要做好保护和修复,要保证好它。第二个方面是通过研究的方式让这些文物被更多的人能看到,能得到互动,能得到这个内容的这种传递和感染,能理解到这些文物背后的博物馆的这个展示的内容背后的一些更丰富的内容和文化和意义和价值。然后整体上的这个目的和导向是我们要做公益性,传播性,研究性和保护性。

5.博物馆在数字化升级导向的方向

主要是分三大块,一部分是主要是我们的藏品相关的,因为博物馆最重要的使命和意义价值就是把咱们的一些内容文物来做一个好的保存,就会涉及到像管理研究保护包括利用等。另外一个就是这个帮助博物馆进行更好的一些管理和运营;另外在数据自然地理,我们把一些这个文物的数字化的一些内容。通过线上化来进行资源管理,让我们给他博物馆的过这个办公更加自动化,然后我们的博物馆的一些展厅进行更加智能的控制和运营。

6.博物馆的痛点和需求背景

主要是以下三个方面:首先我们目前的博物馆的就是行业形式在转变,他主要体现两个方面,一个是参观方式,由以前非常简单的纯粹的参观式转向现在的参与式;另外一方面是设置在转变,由以前很冷冰冰的一些展品转向到很多软服务

第二方面就是文博的创新科技的一个发展需求,我们这个当前其实行业当中人工智能的技术已经在快速的发展。怎么样在这个场景下去关注服务,这是一个很大的命题和需求。

第三方面,其实目前都极大地推动着我们博物馆去做文化建设或者数字化建设这样的一个那个强有力的需求背景。基于这样的一个背景我们在切入博物馆的导游导览这件事的建设这个基础之上,我们其实也深入的做了一轮我们面向我们博物馆的观众,包括我们的客户博物馆的一些管理的这个人员的一些需求的挖掘。


“博物官”智慧博物馆一站式解决方案

整体博物官的智慧导览小程序总共包含以下四大版块的功能,分别是场馆导览数字馆藏线上展览管理后台。希望通过这样的一个产品组合来帮助B端客户通过数字化的产品提升我们博物馆的规划建设,让博物馆的更多一点地去进行他们馆藏的展示和传播。针对于C端用户希望通过这样的一个工具建设来帮用户提供更多一点景区游玩的这个导览体验,让我们的观众和游客更加容易去探究博物馆背后的一些历史的文化内涵。

 

1.场馆导览

(1)博物馆概况

把博物馆的一些整体的介绍,包括地址,包括联系方式,包括一些门票的这个信息来整体展示。

(2)展厅详情

把这个展厅的一些位置,包括这个展厅本身在进行展览的一些介绍,包括展览当中的一些文物的名录。

(3)展览信息

从展览本身的一些主题,包括整个的品牌成立的特色,重点的去把他的一些海报包括展览的一个位置,包括展览的周期开放时间,门票等。

(4)馆藏信息

把文物的照片,包括文物的名称,包括文物的简介都进行这个线上的展示,并且可以结合博物馆来进行特色的结构化展示出来。

(5)语音导览

通过语音导览帮助观众在没有这种导游的情况下,也可以有一个自己的专属导游在旁边帮自己讲解。

(6)精品馆藏路线

为了帮助我们这个对博物馆不熟悉的一些观众能够以最快捷的方式把这个博物馆的精华的文物典藏进行一个浏览消费的这样一个能力。

(7)AI导游

这个是基于腾讯自研的AI技术能力,帮助游客可以通过语音或者文字的方式来跟这个虚拟的AI导游去互动,了解我们的百科包括跟他去游览闲聊以及导览服务的唤起。

(8)看展预约

需要进行合理的管控观众的流量,希望大家在疫情情况下都能以安全、便捷的方式来去进行内容的浏览。

 

2.数字馆藏

(1)三维文物展示

这个我们是通过平台化的技术项目的一些三维数据进行批量的处理、快速的数字化互动应用,通过互联网技术是博物馆的馆藏文物三维数据有效转化为用户可互动浏览内容,进一步提升文物内容的可感知能力。

(2)AI识文物

基于腾讯自研的图像识别能力,支持通过小程序拍照的方式,来智能识别文物画作书法,包括海报等展览的内容,

帮助游客自主进行一些深度内容的消费。

(3)AR复原

AR复原基于平面展品及文物的3D数据,设计师进行3D建模设计场景及展品配置,形成线上复原模拟文物原本所在的三维场景,帮助观众更直观的了解文物的用途。

 

3.线上展览

(1)全景看展

通过全景的拍照的方式,把一些展厅都拍下来,方便很多观众在没有办法到博物馆现场的情况下,也可以通过非常高清的方式去游览博物馆。

(2)直播看展

通过金牌导游包括博物馆工作人员来进行这个开播的方式进行一个线上的直播展览内容的体现。

(3)文创商城

针对一些文创产品设计已经比较成熟的这种博物馆来提供这种线上的商城服务。通过这种文创的方式来进行一个差异化的这个商业化能力的一个构建。

(4)展讯推送

线上展示博物馆所有展讯信息,观众通过博物馆的小程序来进行展讯的提醒预约后,即可通过微信消息提醒服务在博物馆配置新展讯息后,实时提醒观众,及时到馆内进行观看,提升观众触达能力。

 

4.管理工具

(1)资源管理

有一个资源管理平台来帮助这个博物馆去进行一个灵活的内容配置,自主的去进行管理和更新调整。

(2)AI语音

通过这个语音讲解的功能,只需要一个声音的样例,包括所有的文字的内容就可以转化成语音讲解。

(3)配置推广

在博物馆博物馆小程序里也会构建一些这个自己的宣传的一些渠道。


问卷

为了给广大开发者提供最实用、最热门前沿、最干货的视频教程,请让我们听到你的需要,感谢您的时间!点击填写 问卷

 

腾讯云大学是腾讯云旗下面向云生态用户的一站式学习成长平台。腾讯云大学大咖分享每周邀请内部技术大咖,为你提供免费、专业、行业最新技术动态分享。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小损失函数。 11. **正则(Regularization)**:技术如 Dropout、L1/L2 正则等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值