di Luca Desiderato
Su una serie di duecento immagini il problema non è trovare difetti. È decidere da quali cominciare. Se apri tutto a schermo pieno la stanchezza cambia il giudizio; se decide chi parla per ultimo, il criterio cambia con la riunione. Alcune proprietà di un generato si possono misurare, e la misura non sostituisce lo sguardo: gli dà un ordine di lavoro.
Il punto di partenza è lo spazio comune testo-immagine[1] descritto nel capitolo 2.2. È una rappresentazione numerica in cui un testo e un’immagine possono essere confrontati. Se una descrizione di strada notturna e un fotogramma stanno vicini in questo spazio, una misura può assegnare un punteggio alto di compatibilità[4]. Non sta leggendo la scena[9] come un regista: confronta la loro vicinanza secondo ciò che ha appreso.
Questa è una metrica automatica[3]: una regola di calcolo che restituisce lo stesso tipo di numero a ogni elemento della serie. Può servire anche quando non hai un’immagine di riferimento. Hai chiesto una donna in controluce su un ponte. Il sistema confronta il testo con ciascuna proposta e segnala quelle meno compatibili. Non stabilisce quale sia la migliore per il film, riduce il numero di immagini che devi guardare per prime.
La figura rende visibile il punto più importante. Una versione può segnare 86 e l’altra 74, ma la nota umana può tenere la seconda. Forse il punteggio più alto ha una posa generica. Forse il secondo fotogramma ha l’unico sguardo che permette il raccordo con la scena precedente. Il numero non è un verdetto, è una soglia di attenzione.
Nel video il problema si divide. Una sola cifra non può dire insieme se il volto resta lo stesso, se il movimento è fluido, se la luce cambia senza motivo e se il montaggio[6] regge. Per questo esistono suite di valutazione[2], cioè gruppi di misure diverse. Possono separare la coerenza dell’identità, la fluidità e lo sfarfallio[7]. In alcuni casi uniscono il calcolo con preferenze raccolte da persone. Che le misure siano separate non è un dettaglio[8]: dice che qualità diverse non coincidono.
Ogni metrica ha un campo limitato. Una buona corrispondenza tra immagine e testo non misura la correttezza prospettica. Non sa se il costume continua quello della scena prima. Può essere più affidabile su una frase letterale, come «una bicicletta rossa davanti a un muro bianco», e meno utile se il senso dipende dal contesto. Questi limiti non rendono inutile il numero, dicono dove non devi lasciarlo decidere.
In pratica, prima scegli il criterio che vuoi controllare. Poi lo applichi in modo costante a tutto il lotto. Apri per prime le tre o cinque immagini più lontane dalla soglia. Infine annoti la decisione umana, anche quando contraddice il punteggio. Dopo una settimana sai se la misura ti ha fatto risparmiare tempo. Sai anche in quali casi ha indicato il problema sbagliato.
La disciplina non serve a dimostrare che l’occhio è fallibile, serve a usarlo bene quando le immagini sono troppe: alla centoventesima prova un criterio stabile vale più del ricordo di come ti sembrava la prima.
Traduce testo e immagini in numeri confrontabili nello stesso sistema. Permette di misurare quanto un'immagine corrisponde a una descrizione. Non decide da solo se un'inquadratura funziona in una sequenza.
Riunisce più metriche automatiche. Ogni misura osserva un aspetto diverso, per esempio il rapporto tra testo e immagine o la stabilità nel video. Serve perché un solo numero non descrive tutta la qualità di una sequenza.
Applica la stessa regola a tutte le immagini o ai video di una serie. Può misurare la corrispondenza tra testo e immagine, oppure aspetti come identità e sfarfallio. Aiuta a confrontare anomalie, ma non sostituisce il giudizio sulla sequenza.
Il criterio con cui il modello calcola quanto un risultato si accorda con testo, immagini e condizioni ricevuti. Non equivale alla comprensione di un'intenzione. Per questo l'intenzione deve essere resa esplicita da chi dirige il lavoro.
L'unità minima del linguaggio cinematografico. Tecnicamente, è la porzione di spazio (fisico o virtuale) delimitata dai bordi dell'obiettivo della macchina da presa. Nel montaggio, corrisponde a una registrazione continua tra due stacchi (tagli).
