GigaMesh Software Framework

Das GigaMesh Software Framework ist eine freie und quelloffene modulare Software zur Anzeige, Bearbeitung und Visualisierung von 3D-Daten, typischerweise aufgenommen mittels Streifenlichtscanning oder Structure-from-motion.

GigaMesh Software Framework
Basisdaten
Entwickler	seit 2021: AG eHumanities & FCGLab, Institut für Informatik, MLU Halle-Wittenberg 2009–2020: Forensic Computational Geometry Laboratory (FCGL), IWR, Univ. Heidelberg
Aktuelle Version	v.230622 (22. Juni 2023)
Betriebssystem	Linux, Windows 10
Programmiersprache	C++
Lizenz	GNU General Public License
deutschsprachig	nein
https://gigamesh.eu

Zur Analyse insbesondere archäologischer Objekte wie Keilschrifttafeln oder Keramik besitzt es eine Vielzahl von Funktionen wie Abrollungen, Profilschnitte, Krümmungs- und Distanzvisualisierungen sowie Exportfunktionen als Raster- oder Vektorgrafik. Das Lesbarmachen verwitterter Texte, etwa auf Grabsteinen oder Keilschrifttafeln bzw. die Sichtbarmachung feiner Oberflächendetails mit Hilfe des Mehr-Skalen Integral Invarianten (MSII) Filterverfahrens ist eine Kernfunktionalität der Software. Um möglichst zuverlässige Filterergebnisse zu bekommen, können die Dreiecksgitter bzw. Polygonnetze der 3D-Modelle geprüft und bereinigt werden. Die bereinigten Daten eignen sich ebenfalls zum 3D-Druck und zur elektronischen Publikation in einem Dataverse.

Name und Logo

Der Name „GigaMesh“ bezieht sich einerseits auf die Verarbeitung großer 3D-Datensätze, andererseits lehnt er sich bewusst an Gilgamesch, einen mythischen sumerischen König und dessen auf Tontafeln überliefertes Heldenepos, an.^:115 Das Logo besteht aus dem Keilschriftzeichen 𒆜 (kaskal) und kann Weg, Straße oder Kreuzung bedeuten. Damit ist das Aufeinandertreffen von Geisteswissenschaften und Informatik gemeint. Die umgebende Kreisform bezieht sich auf die Berechnung der Integralinvarianten mittels Kugeln und Sphären. Die Farbe Rot wird von der Universität Heidelberg, dem Entwicklungsort von GigaMesh, verwendet.

Einsatz und Entwicklung in Forschungsprojekten

GigaMesh wurde zu Beginn im Umfeld der Editionsreihe Keilschrifttexte aus Assur literarischen Inhalts (KAL) der Heidelberger Akademie der Wissenschaften entwickelt. Parallel dazu wurde es im Corpus Vasorum Antiquorum Österreich zur Dokumentation von rotfiguriger Keramik eingesetzt. Zusätzlich zu Projekten wie die Multidimensionale Sicht- und Erfahrbarmachung von Kulturerbe (MUSiEKE) wird das Framework in einem DFG und einem BMBF Projekt zur Kontextualisierung und Erschließung des Corpus der minoischen und mykenischen Siegel erweitert. Analog zu den Arbeiten mit Keilschrifttafeln gibt es weitere Ansätze bei der 3D Bildverarbeitung mit Methoden des Maschinellen Lernens kombiniert und für Schrift in 3D, zum Beispiel in der Textdatenbank und Wörterbuch des Klassischen Maya, angewendet wird. Der MSII Filter kommt ebenfalls bei größeren Objekten, z. B. bei der Analyse und Visualisierung der Schrämspuren (Abbauspuren) des römerzeitlichen Marmorsteinbruchreviers Spitzelofen zum Einsatz.

Bei der Feldkampagne des Deutschen Archäologischen Instituts in Guadalupe, in der Nähe von Trujillo, Honduras, wurden Vergleiche zwischen 3D-Visualisierungen und Handzeichnungen in 2017 durchgeführt. Seitdem ist GigaMesh durchgängig im Einsatz, wodurch viele Verbesserungen im Benutzerinterface im Sinne des UX Design vorgenommen wurden. Diese werden in Tutorials online zur Verfügung gestellt und haben oftmals Bezug zur Funddokumentation.

2018 wurde GigaMesh im Scanning for Syria (SfS) Projekt der Universität Leiden eingesetzt um Micro-CT-Scans von Abgussformen der Grabung in Tell Sabi Abyad als 3D-Modell zu rekonstruieren, die im syrischen Bürgerkrieg aus dem Museum in ar-Raqqa verschwunden sind. Anschließend wurden an der TU Delft weitere CT-Aufnahmen erstellt, um virtuell Tontafeln aus – seit Jahrtausenden ungeöffneten – Tonumschlägen zu extrahieren. Das SfS-Projekt gewann im Mai 2020 den European Heritage Award der Europa Nostra im Bereich Forschung.

Mit der Version 190416 wurde im Vorfeld der internationalen CAA 2019 erstmals eine Version für Windows 10 zur Verfügung gestellt.

Das command line interface von GigaMesh eignet sich besonders zur Massenaufbereitung von Repositorien an 3D-Messdaten. So wurden knapp 2.000 Tontafeln der Hilprecht-Sammlung aufbereitet und als Benchmarkdatenbank (HeiCuBeDa) für das Maschinellen Lernen bzw. als Bilddatenbank inklusive metadatenbehafter 3D-Daten (HeiCu3Da) digital unter CC BY Lizenzen veröffentlicht. Da HeiCu3Da in einer Instanz von easydb untergebracht ist, stehen eine Reihe von Schnittstellen wie z. B. IIIF zur Verfügung. Damit können wie in vielen anderen Digital Humanities Projekten Bilddaten direkt adressiert werden. Mit HeiCuBeDa wurde ein künstliches neuronales Netz trainiert und damit eine Klassifikation der Datierung von Keilschrifttafeln durchgeführt. Dafür wurde ein Geometric Neural Network (GNN) für 3D-Daten verwendet. In 2023 wurde eine Erweiterung des Datensatzes veröffentlicht, die extrahierte Bilder von Keilschriftzeichen, Keilschriftzeilen und einzelne annotierte Keilschriftzeichen enthält. Die Annotationen werden zusammen mit den Renderings mit Metadaten als CSV und einem Knowledge Graph (RDF) zur Verfügung gestellt. Diese Entwicklungen sind im Kontext des DFG-Projekts "Digitale Edition der Keilschrifttexte aus Haft Tappeh" in Mainz entstanden. Von dem Projetkstandort leitet sich das Akronym MaiCuBeDa ab. Damit wurden erste Ergebnisse zur Lokalisierung von Keilschriftzeichen und deren Keile erzielt, die zeigen, dass das MSII-Rendering die Erkennungsqualität für Fotos verbessert.

Anlässlich der Ausstellung im Louvre zum 100-jährigen Bestehen des CVA Projekts wurden Abrollungen eines Aryballos der KFU Graz im Rahmen des Corpus Vasorum Antiquorum Österreich mit GigaMesh berechnet, um die neueste Methoden zur Erforschung der griechischen Vasenmalerei zu repräsentieren. Die Visualisierungen waren in der zweiten Jahreshälfte 2019 in der Vitrine L’ère du numèrique et de l’imagerie scientifique zu sehen.

Die Version 191219 unterstützt erstmals Texture Mapping, das vor allem bei 3D-Daten aus photogrammetrischen Verfahren verwendet wird. Damit ist die Bearbeitung und vor allem die Abrollungen von Objekten möglich, die mit dem – im Bereich der Dokumentation von kulturellem Erbe und der Archäologie – weit verbreiteten Structure-from-Motion-Verfahren erfasst wurden.

Das nationale Forschungsinstitut für Kulturgüter in Nara verwendet GigaMesh zur Abrollung und Dokumentation von Gefäßen und hat dazu eine Anleitung publiziert. Diese wird für Keramik aus der Jōmon-Zeit im Togariishi Jōmon Archeological Museum in Chino genutzt.

Im April 2020 wurde der Quellcode bei GitLab offen gelegt und die Lizenz von Freeware auf GPL geändert. Die Version 200529 ermöglicht erstmals die Anwendung des MSII Filters in der graphischen Benutzeroberfläche, um feinste Details wie Fingerabdrücke auf Keilschrifttafeln sichtbar zu machen. Die von der DFG geförderte Digitale Edition der Keilschrifttexte aus Haft Tappeh nutzt MSII gefilterte Tafeln in der automatisch generierten fat-cross-Darstellung.

GigaMesh findet zunehmend Anwendung in Bereichen, die methodische Überschneidungen mit der Archäologie aufweisen, z. B. Geoengineering zur Analyse von Muscheln.

Dateiformate und Forschungsdateninfrastrukturen

Primär wird das Polygon File Format unterstützt und zur Speicherung von zusätzlichen Informationen aus der Prozessierung genutzt. Dies ist beim – zusätzlich unterstützten – Wavefront OBJ auf Grund dessen Spezifikation nicht möglich. Die Markierung von interpolierten Punkten und Dreiecken durch das Füllen von Fehlstellen im Dreiecksgitter stellt eine Metainformation dar, die z. B. im Rahmen der Nationale Forschungsdateninfrastruktur (NFDI) erfasst werden soll. Weitere Metadaten wie Inventarnummern, Material und Hyperlinks bzw. Digital Object Identifiers (DOIs) können erfasst werden. Hinzu kommt die Möglichkeit zur Berechnung von topologischen Kennzahlen, die die Qualität eines 3D-Messdatensatz beschreiben und weiteren Projekten im Bereich Digital Heritage am i3mainz, das ein Konsortionalpartner in NFDI4Objects ist.

Weblinks

• Website mit Tutorials, Publikationen und Downloads
• ResearchGate Projektwebseite und Blog
• Cuneur - Keilschrift beschriften ein Annotationstool für Keilschrifttafeln als 3D Modelle und Bildstapel

Commons: GigaMesh Software Framework – Sammlung von Bildern, Videos und Audiodateien

Einzelnachweise

1. (Memento des Originals vom 3. März 2020 im Internet Archive)  Info: Der Archivlink wurde automatisch eingesetzt und noch nicht geprüft. Bitte prüfe Original- und Archivlink gemäß Anleitung und entferne dann diesen Hinweis.@1@2Vorlage:Webachiv/IABot/fcgl.iwr.uni-heidelberg.de
2. gigamesh.eu
3. GigaMesh Open Source Repository bei GitLab. Abgerufen am 10. April 2020. 
4. Lucie Boettger, Alexander Zeckey, Martin Langner: Verfahren zur (archäologischen) Objektdigitalisierung in 3D. 8. September 2020, abgerufen am 8. September 2020. 
5. Paul Bayer und Susanne Lamm: Mehr als nur Ben Hur – Eine 3D-Abrollung des römischen Silberbechers von Grünau, Steiermark. In: Elisabeth Trinkl und Harald Noedl (Hrsg.): Forum Archaeologiae. Band 87, Nr. VI, 2018, ISSN 1605-4636. 
6. Hubert Mara und Julia Portl: Acquisition and Documentation of Vessels using High-Resolution 3D-Scanners. In: Elisabeth Trinkl (Hrsg.): Corpus Vasorum Antiquorum Österreich. Beiheft 1. Verlag der Österreichischen Akademie der Wissenschaften, 2013, ISBN 978-3-7001-7145-4, S. 25–40 (austriaca.at [PDF; 900 kB; abgerufen am 24. August 2018]). 
7. Kurt F. de Swaaf: Gemeißelte Geheimnisse: Forscher entziffern jüdische Grabinschriften. In: Spiegel Online. 30. Juni 2010 (spiegel.de [abgerufen am 3. August 2018]). 
8. Hubert Mara: Multi-Scale Integral Invariants for Robust Character Extraction from Irregular Polygon Mesh Data. Heidelberg 2012, doi:10.11588/heidok.00013890. 
9. Hubert Mara, Susanne Krömker, Stefan Jakob, Bernd Breuckmann: GigaMesh and Gilgamesh — 3D Multiscale Integral Invariant Cuneiform Character Extraction. In: Proceedings of VAST International Symposium on Virtual Reality, Archaeology and Cultural Heritage. Eurographics Association, 2010, ISSN 1811-864X, S. 131–138, doi:10.2312/VAST/VAST10/131-138 (eg.org [abgerufen am 3. August 2018]). 
10. Hubert Mara: Visual Computing for Analysis of Sealings, Script and Fingerprints in 3D, Präsentation zum Mehr-Skalen Integral Invariante Filterverfahren mit erklärenden Bildern. 2017 (uni-koeln.de [PDF; 8,7 MB; abgerufen am 26. März 2021]). 
11. heiDATA — IWR Computer Graphics Dataverse in der Universitätsbibliothek Heidelberg. Abgerufen am 26. März 2021. 
12. Dataverse plattform der Harvard Library, die von heiDATA genutzt wird. Abgerufen am 26. März 2021. 
13. Regine Kleber: (Nicht mehr online verfügbar.) 4. Oktober 2018, archiviert vom Original am 11. September 2018; abgerufen am 28. November 2019. 
14. DFG - GEPRIS - Minoische Siegelglyptik zwischen corpusartiger Erfassung und 3D-Forensik. Eine multidisziplinäre Dokumentation von 900 unpublizierten Siegeln aus dem Archäologischen Museum von Heraklion. Abgerufen am 11. September 2018. 
15. ErKon3D — Erschließung und Kontextualisierung von ägäischen Siegeln und Siegelabdrücken mit 3D-Forensik. Abgerufen am 7. September 2020 (Eintrag im Förderportal des Bundes).  ErKon3D Kurzbeschreibung. Abgerufen am 7. September 2020 (Eintrag im Portal Wissenschaftliche Sammlungen). 
16. Bartosz Bogacz, Nikolas Papadimitriou, Diamantis Panagiotopoulos, Hubert Mara: Recovering and Visualizing Deformation in 3D Aegean Sealings. In: Proceedings of the 14th International Conference on Computer Vision Theory and Application (VISAPP). Prague, Czech Republic 2019 (insticc.org [abgerufen am 28. März 2019]). 
17. Bartosz Bogacz, Felix Feldmann, Christian Prager, Hubert Mara: Visualizing Networks of Maya Glyphs by Clustering Subglyphs. In: Proceedings of the 16th Eurographics Workshop on Graphics and Cultural Heritage (GCH). 2018, ISSN 2312-6124, S. 105–111, doi:10.2312/gch.20181346 (eg.org [abgerufen am 3. Februar 2020]). 
18. Stephan Karl: Fundberichte aus Österreich – Beiheft 1 – 2021 – das römerzeitliche Marmorsteinbruchrevier Spitzelofen in Kärnten. Hrsg.: Ferdinand Berger & Söhne GmbH. Horn, Österreich 2021, ISBN 978-3-85028-951-1, S. 67 ff., doi:10.12905/0380.BDAFOEBH1-2021-0240 (eingeschränkte Vorschau [abgerufen am 1. Februar 2021]). 
19. Markus Reindel, Peter Fux und Franziska Fecher: Archäologisches Projekt Guadalupe: Bericht über die Feldkampagne 2017. In: Jahresberichte. SLSA, Schweizerisch-Liechtensteinische Stiftung für archäologische Forschungen im Ausland, Zürich, Schweiz 2018, doi:10.5167/uzh-158145. 
20. Franziska Fecher, Markus Reindel, Peter Fux, Brigitte Gubler, Hubert Mara, Paul Bayer und Mike Lyons: The ceramic finds from Guadalupe, Honduras: Optimizing archaeological documentation with a combination of digital and analog techniques. In: Burkhard Vogt und Jörg Linstädter (Hrsg.): Journal of Global Archaeology (JOGA). Deutsches Archäologisches Institut, Kommission für Archäologie Aussereuropäischer Kulturen, 2020, ISSN 2701-5572, doi:10.34780/joga.v2020i0.1009. 
21. Webseite des Forschungsprojekts Scanning for Syria an der Universität Leiden. Abgerufen am 27. November 2019 (englisch). 
22. Dominique Ngan-Tillard: Scanning for Syria – digital book of cuneiform tablet T98-34. 5. Juni 2018, doi:10.4121/uuid:0bd4470b-a055-4ebd-b419-a900d3163c8a (englisch, 4tu.nl [PDF; 48,6 MB]). 
23. Olivier Nieuwenhuyse, Khaled Hiatlih, Ayham al-Fakhri, Rasha Haqi, Dominique Ngan-Tillard, Hubert Mara, Katrina Burch Joosten: Focus Raqqa: Schutz für das archäologische Erbe des Museums von ar-Raqqa. In: Antike Welt. wbg Philipp von Zabern, 2019, S. 76–83 (wbg-wissenverbindet.de [abgerufen am 27. November 2019]). 
24. Seeing through clay: 4000 year old tablets in hypermodern scanner auf YouTube.
25. Unpacking a Cuneiform Tablet wrapped in a clay envelop auf YouTube, cf. doi:10.11588/heidok.00026892.
26. Scanning for Syria als Gewinner des Europa-Nostra-Preis. Abgerufen am 7. Mai 2020. 
27. Webseite des Scanning for Syria Projekt bei dem Leiden-Delft-Erasmus Centre for Global Heritage and Development. Abgerufen am 15. Mai 2020 (englisch). 
28. Internationale Konferenz der Computer Applications and Quantitative Methods in Archaeology, Krakau, Polen, 2019. Abgerufen am 16. April 2019. 
29. Hubert Mara: HeiCuBeDa Hilprecht – Heidelberg Cuneiform Benchmark Dataset for the Hilprecht Collection. heiDATA – institutional repository for research data of Heidelberg University, 6. Juni 2019, doi:10.11588/data/IE8CCN. 
30. Hubert Mara: HeiCu3Da Hilprecht – Heidelberg Cuneiform 3D Database – Hilprecht Collection. heidICON – Die Heidelberger Objekt- und Multimediadatenbank, 6. Juni 2019, doi:10.11588/heidicon.hilprecht. 
31. Hubert Mara, Bartosz Bogacz: Breaking the Code on Broken Tablets: The Learning Challenge for Annotated Cuneiform Script in Normalized 2D and 3D Datasets. In: Proceedings of the 15th International Conference on Document Analysis and Recognition (ICDAR). Sydney, Australien 2019, doi:10.1109/ICDAR.2019.00032. 
32. Ausschnitt der Vorderseite der Keilschrifttafel HS 833 mit dem Zeichen 𒆜 (kaskal), referenziert über Pixelkoordinaten mit Ursprung (68,318), Breite 132 und Höhe 124. Abgerufen am 5. August 2020. 
33. Bartosz Bogacz, Hubert Mara: Period Classification of 3D Cuneiform Tablets with Geometric Neural Networks. In: Proceedings of the 17th International Conference on Frontiers of Handwriting Recognition (ICFHR). Dortmund, Germany 2020, doi:10.1109/ICFHR2020.2020.00053. 
34. Presentation of the ICFHR paper on Period Classification of 3D Cuneiform Tablets with Geometric Neural Networks auf YouTube
35. Hubert Mara, Timo Homburg: MaiCuBeDa Hilprecht – Mainz Cuneiform Benchmark Dataset for the Hilprecht Collection. heiDATA – institutional repository for research data of Heidelberg University, 29. August 2023, doi:10.11588/data/QSNIQ2. 
36. Ernst Stötzner, Timo Homburg, Jan Philipp Bullenkamp and Hubert Mara: R-CNN based PolygonalWedge Detection Learned from Annotated 3D Renderings and Mapped Photographs of Open Data Cuneiform Tablets. In: Proceedings of the 21th Eurographics Workshop on Graphics and Cultural Heritage (GCH). 2023, ISSN 2312-6124, S. 47–56, doi:10.2312/gch.20231157 (eg.org [abgerufen am 6. November 2023]). 
37. Ernst Stötzner, Timo Homburg and Hubert Mara: CNN based Cuneiform Sign Detection Learned from Annotated 3D Renderings and Mapped Photographs with Illumination Augmentation. In: Proceedings of the International Conference on Computer Vision (ICCV). Paris, France 2023, doi:10.48550/arXiv.2308.11277, arxiv:2308.11277. 
38. IWR Newsroom, Contribution of visualizations to an archeological Exhibition in the Louvre Museum. 23. Juli 2019, abgerufen am 31. Januar 2020 (englisch). 
39. 文化財の壺　第7号　特集:文化財研究を進める技術を考える, Heft 7, Juni 2019. Abgerufen am 10. April 2020 (japanisch). 
40. Araki Minoru: Blogeintrag zu Abrollungen von Gefäßen aus der Jōmon-Zeit mit GigaMesh. 30. Januar 2020, abgerufen am 4. Oktober 2021 (japanisch).  Tutorial zu Abrollungen von Gefäßen. 30. September 2021, abgerufen am 4. Oktober 2021 (japanisch). 
41. MSII Filtering: Cuneiform Characters & Fingerprints auf YouTube
42. DFG - GEPRIS - Digitale Edition der Keilschrifttexte aus Haft Tappeh (Iran). Abgerufen am 17. Januar 2021. 
43. Tim Brandes und Eva-Maria Huber: Die Texte aus Haft Tappeh – Beobachtungen zu den Textfunden aus Areal I. In: Behzad Mofidi-Nasrabadi (Hrsg.): Elamica: Contributions on History and Culture of Elam and its Neighbouring Regions. Nr. 10. Franzbecker, Hildesheim, Deutschland 2020, ISBN 978-3-88120-880-2, S. 9–42. 
44. Yumeng Zhao, Bozhi Deng, Douglas D. Cortes and Sheng Dai: Morphological Advantages of Angelwing Shells in Mechanical Boring. In: Acta Geotechnica. Springer, 2023, doi:10.1007/s11440-023-01962-w. 
45. Timo Homburg, Anja Cramer, Laura Raddatz und Hubert Mara: Metadata Schema and Ontology for Capturing and Processing of 3D Cultural Heritage Objects. In: Heritage Science. Band 9, Nr. 91. Springer, 2021, doi:10.1186/s40494-021-00561-w. 
46. Kai-Christian Bruhn, Thomas Klauer und Jörg Klonowski (Hrsg.): Das Jahr 2021 am i3mainz. 15. September 2021, doi:10.1186/s40494-021-00561-w (mit Beiträgen von Nicole Vögtlin Bruhn und Vanessa Liebler).