Meta-acervos é uma plataforma experimental de pesquisa visual que permite buscar e comparar obras de diferentes coleções de arte a partir de suas características formais — como cor, composição e presença de elementos figurativos.

Em vez de partir apenas de metadados tradicionais (autor, título, data), o sistema trabalha também com informações extraídas diretamente das imagens das obras. Ele propõe uma forma alternativa de leitura e relação entre acervos.

A ferramenta foi criada pela equipe do Grupo Acervos Digitais e Pesquisa, dentro do Projeto Temático FAPESP, e está disponível como código aberto. A proposta é que possa ser usada, ampliada e criticada por outras pesquisas.

Meta-acervos parte do desafio de pensar coleções digitais em rede: como cruzar dados dispersos entre plataformas distintas e permitir novas aproximações entre acervos que raramente se encontram?

Nessa primeira versão, o sistema reúne 4.200 obras – principalmente pinturas e desenhos – de acervos brasileiros com dados abertos e estruturados, como Wikimedia GLAM, Brasiliana Museus e MAC-USP.

As imagens passam por padronização e análise com modelos multimodais de visão e linguagem. O resultado são vetores numéricos (embeddings) que descrevem o conteúdo visual de cada obra e permitem identificar afinidades.

A interface

A interface oferece dois modos principais de navegação: por ordem cronológica e por composição cromática. Também é possível explorar agrupamentos automáticos formados por semelhanças visuais detectadas por IA.

Esses agrupamentos não substituem a curadoria humana, mas abrem caminhos para observar padrões, lacunas e relações formais inesperadas entre diferentes acervos.

A partir das buscas, é possível gerar mosaicos – imagens compostas por recortes temáticos, como “palmeiras” ou “figuras humanas – acompanhados dos links para as obras originais em seus museus de origem. Mais do que uma ferramenta técnica, Meta-acervos busca experimentar modos de ver e relacionar imagens, tensionando narrativas hegemônicas sobre a história da arte.

Saiba mais sobre o projeto e acesse o código no GitHub.
Coordenação: Giselle Beiguelman
Programação: Thiago Hersan, João Generoso
Design: Luisa Rodrigues
Revisão: Ana G. Magalhães, Bruna Keese, Cássia Hosni e Renata Perim