Crediti e Ringraziamenti

Modello vision-language per ricerca semantica: converte immagini e testi in vettori comparabili nello stesso spazio di rappresentazione. Usato per la ricerca per descrizione testuale libera.

Modello vision foundation per similarità visiva basata su self-supervised learning. Cattura composizione, texture e forma senza supervisionare la semantica. Usato per la ricerca di immagini visivamente simili.

Modello CLIP specializzato per il riconoscimento biologico su oltre 450.000 specie del Tree of Life. Produce una gerarchia tassonomica completa (regno, phylum, classe, ordine, famiglia, genere, specie).

Modello di scoring estetico basato su CLIP, addestrato su dataset LAION Aesthetics. Assegna un punteggio 0–10 sulla qualità artistica e compositiva dell'immagine.

Multi-Scale Image Quality Transformer: valuta la qualità tecnica della foto (nitidezza, rumore, esposizione) producendo un punteggio su scala continua. Implementato via libreria pyiqa.

Libreria Python per la valutazione della qualità delle immagini (IQA). Fornisce l'interfaccia per il modello MUSIQ e altri modelli di quality assessment, con supporto GPU.

Ollama è il runtime locale per modelli LLM. Il modello Qwen-VL (Vision-Language) genera tag descrittivi, titoli e descrizioni testuali analizzando il contenuto visivo delle foto, interamente offline.

Runtime locale alternativo per modelli LLM, con interfaccia grafica integrata. Supportato da OffGallery come backend Vision-Language in alternativa a Ollama per la generazione di tag, titoli e descrizioni.

Framework di deep learning che costituisce il motore di esecuzione di tutti i modelli neurali (CLIP, DINOv2, Aesthetic, BioCLIP). Supporta accelerazione GPU via CUDA.

Libreria che fornisce accesso ai modelli pre-addestrati (CLIP ViT-L/14, DINOv2). Include tokenizer, processori e API di inferenza standardizzata.

Reimplementazione open source di CLIP con supporto a numerose architetture (ViT-L/14 inclusa). Usata da BioCLIP come base architetturale per l'addestramento biologico.

Binding Python per il framework Qt6. Fornisce l'intera interfaccia grafica di OffGallery: finestre, pannelli, tab, galleria immagini, dialoghi e tutti i widget interattivi.

rawpy è il binding Python per LibRaw, la libreria C++ per la decodifica di oltre 1000 formati RAW (Canon CR2/CR3, Nikon NEF, Sony ARW, ecc.). Permette l'estrazione delle anteprime e dei metadati dai file RAW.

La Python Imaging Library modernizzata. Usata per aprire, ridimensionare, convertire e ottimizzare immagini per la pipeline AI (pre-processing prima degli embedding).

Strumento per impacchettare applicazioni Python in eseguibili standalone (`.exe` su Windows, binari su Linux/macOS) senza richiedere un interprete Python installato. Usato per generare gli eseguibili dell'installer di OffGallery.

Lo strumento definitivo per la lettura e scrittura di metadati fotografici (EXIF, IPTC, XMP, GPS) su oltre 300 formati. Usato per estrarre tutti i metadati e scrivere i tag AI su file XMP sidecar.

Libreria Python per geocodifica inversa offline: converte coordinate GPS (lat/lon) in nome di città, regione e paese. I dati geografici (oltre 300.000 località) provengono dal dataset GeoNames, bundled nella libreria senza richiesta di rete.

Motore di traduzione automatica completamente offline basato su modelli OpenNMT. Usato per tradurre le query di ricerca dall'italiano all'inglese prima della codifica CLIP, migliorando la qualità della ricerca semantica.

Sistema di gestione degli ambienti Python e dei pacchetti. Usato dall'installer di OffGallery per creare un ambiente isolato e ripetibile con tutte le dipendenze, senza conflitti con altri software Python installati.

Librerie fondamentali per il calcolo scientifico in Python. NumPy gestisce gli array di embedding float32; SciPy fornisce algoritmi di distanza e clustering usati nella ricerca semantica.

Database relazionale embedded, senza server. Tutta la catalogazione di OffGallery (metadati EXIF, embedding vettoriali, tag, score) viene salvata in un singolo file SQLite locale, senza installazione di server di database.

OffGallery scrive i metadati AI (tag, descrizioni, gerarchia biologica e geografica) in file XMP sidecar compatibili con lo standard Adobe XMP. I tag gerarchici usano la proprietà lr:hierarchicalSubject, standard di fatto nel workflow Lightroom.

OffGallery nasce da una passione per la fotografia paesaggistica, lo sviluppo software e le nuove tecnologie. Progettato, sviluppato e mantenuto come progetto open source indipendente.

Ha sviluppato il plugin LM Studio per OffGallery, che integra LM Studio come backend Vision-Language alternativo a Ollama. Il plugin estende il supporto a GPU AMD tramite DirectML e a tutti i modelli vision GGUF compatibili.

Assistente AI principale per lo sviluppo interattivo. Claude Code ha supportato la progettazione dell'architettura, la scrittura e revisione del codice Python/PyQt6, il debugging, la generazione della documentazione e del sito web.

Usato per ricerca, brainstorming e confronto di approcci architetturali nelle fasi iniziali del progetto. Utile per esplorare soluzioni alternative e ottenere una seconda opinione tecnica.

Usato per ricerca tecnica e valutazione di librerie, in particolare per l'integrazione con l'ecosistema HuggingFace e per l'analisi di formati dati complessi.

Usato come motore di ricerca AI per trovare rapidamente documentazione tecnica, paper accademici, confronti tra librerie e risposte a domande specifiche durante lo sviluppo.