Desde 2020, a visão computacional deu um salto considerável: os modelos tornaram-se mais precisos e vários museus já os incorporam em suas práticas. A questão fundamental não é mais “Isso funciona?”, mas sim “Como podemos adaptá-lo às nossas necessidades específicas?”. Casos de uso recentes que ilustram uma maturidade técnica crescente * Acessibilidade visual aprimorada — Houston Museum of Natural ScienceO Houston Museum of Natural Science (HMNS) lançou o aplicativo ReBokeh, desenvolvido para visitantes com deficiência visual. Em tempo real, ele melhora o contraste, a luminosidade e o zoom, além de integrar descrições em áudio e texto geradas por IA sobre os objetos expostos. A equipe do museu é treinada para apoiar os visitantes que utilizam o aplicativo, no âmbito de um programa mais amplo de acessibilidade sensorial.Fonte: Houston Chronicle * Exploração visual de coleções digitais — SMKExplore (National Gallery of Denmark)O projeto SMKExplore baseia-se em um pipeline de detecção de objetos aplicado a coleções digitais. O aplicativo permite uma exploração intuitiva: o usuário navega pelas obras a partir dos objetos detectados nas imagens, promovendo uma abordagem mais visual e aberta, além das entradas tradicionais de catálogo.Fonte: arXiv * Otimização dinâmica dos espaços expositivosUm estudo publicado em 2025 propõe um modelo que combina reinforcement learning, visão computacional e computação afetiva. Esse sistema ajusta em tempo real a disposição das exposições de acordo com o comportamento, a movimentação e as interações dos visitantes. Os resultados mostram um aumento de 18,1 % na fluidez espacial, um crescimento de 50 % nas visitas e uma adaptação dos conteúdos às emoções detectadas.Fonte: Nature * Autenticação de obras por meio da visão computacional — Art RecognitionA startup suíça Art Recognition utiliza IA e visão computacional para autenticar obras de arte e identificar falsificações. Em maio de 2024, conseguiu detectar com sucesso falsos Monet e Renoir vendidos no eBay. Em novembro, uma casa de leilões aceitou uma obra autenticada exclusivamente pela IA, marcando um ponto de virada no uso dessa tecnologia no mercado de arte.Fonte: Wikipedia * Raciocínio imagem–linguagem em larga escalaUma equipe internacional compilou um conjunto massivo de 65 milhões de imagens museológicas e 200 milhões de pares de perguntas–respostas. A partir dessa base, treinou modelos de visão–linguagem (BLIP, LLaVA) para avaliar sua capacidade de compreender em profundidade objetos expositivos, inclusive em questões que exigem ancoragem semântica semelhante à humana.Fonte: arXiv Síntese dos avanços e desafios persistentes Os avanços recentes demonstram que a visão computacional deixou de ser um experimento marginal para se tornar uma ferramenta confiável e operacional nos museus. Os projetos destacados apontam para várias direções principais: * Acessibilidade ampliada, como no caso do ReBokeh, que melhora diretamente a inclusão de visitantes com deficiência visual. * Exploração visual das coleções, que rompe com a rigidez do catalogamento e favorece uma descoberta mais aberta e intuitiva. * Gestão adaptativa dos espaços, em que o aprendizado por reforço e a computação afetiva permitem que as exposições se ajustem dinamicamente. * Autenticação de obras, que introduz novas garantias — mas também novos debates — no mercado de arte. * Raciocínio multimodal, que combina visão e linguagem para enriquecer a interpretação e o acesso ao conhecimento. No entanto, permanecem desafios importantes: disparidades nas competências digitais entre instituições, dificuldade em enriquecer e padronizar metadados, vieses persistentes nos conjuntos de dados (principalmente em relação ao patrimônio não ocidental), limitações na capacidade de oferecer um contexto histórico e cultural profundo, além de uma adoção institucional ainda cautelosa devido a restrições orçamentárias e organizacionais. Conclusão e recomendações profissionais A visão computacional consolida-se hoje como um pilar estratégico da IA aplicada aos museus. Para aproveitar plenamente seu potencial, as instituições deveriam: * Identificar os casos de uso de maior impacto, como acessibilidade, mediação digital, conservação preventiva e gestão de fluxos de visitantes. * Formar equipes híbridas, reunindo curadores, mediadores, engenheiros e especialistas em ética. * Compartilhar recursos entre museus, desenvolvendo conjuntos de dados interoperáveis e comuns. * Definir indicadores claros, capazes de medir não apenas a eficiência técnica, mas também o valor cultural, social e educativo. * Antecipar questões éticas e legais, elaborando cartas de uso da IA e tratando da proteção de dados, da responsabilidade e da diversidade patrimonial. Em resumo, a visão computacional está se firmando como um componente essencial do museu do século XXI. A questão já não é se a IA funciona, mas como integrá-la de forma estratégica e ética na missão de preservação, mediação e engajamento com os públicos. Get full access to MuseumWeek Magazine at museumweek2h1r4.substack.com/subscribe
