Mar, 2024

LUWA数据集：微观图像上的石器使用痕迹分析学习

HTML
PDF
TL;DRLithic Use-Wear Analysis research investigates the effectiveness of pre-trained models for microscopic image classification and the influence of magnification and sensing modality on accuracy, providing opportunities for vision and learning communities.
发现论文，激发创造
  • 基于CNN的深度图曲线-结构分割及其在文物探索中的应用

    本研究使用卷积神经网络来对文化遗产上雕刻或刻画成非常模糊的曲线结构进行自动分割，并通过实验证明了该算法在区分混杂曲线时的表现更为优秀。

    Nov, 2017

  • 基于可变自编码器的罗马陶片无监督聚类

    使用人工智能技术和图像分析方法，针对罗马普通陶器碎片的分类问题，提出了一个基于深度卷积VAE网络的非线性特征聚类模型，并创建了一个罗马普通陶器数据库，为不同社区的进一步研究提供了新的思路。

    Mar, 2022

  • 通过模型编辑提高数据有效性化石分割

    使用模型编辑技术和领域知识来提高少数标记图像的化石图像分割，可以在没有额外标记数据的情况下改善不同类型化石的混淆。

    Oct, 2022

  • DEArt: 欧洲艺术数据集

    我们提出了DEArt，它是一个针对文化遗产绘画的检测数据集，检测物体和姿势分类，是一个与众不同的数据集，具有69个类别和12个姿势，并且可以通过迁移学习实现与最先进模型相媲美的精度。

    Nov, 2022

  • 利用合成数据生成和基于Transformer的模型提升古籍文档中的物体检测

    通过降低虚假阳性和提高精确度的方法，我们在古代文献中增强了物体检测，并通过计算转换生成合成数据集，将视觉特征提取与物体检测过程相结合，进一步关联物体与其组成部分，并引入视觉特征图，从而深入分析和促进了有价值的历史文物，给古文字学领域带来了深远影响。

    Jul, 2023

  • AutArch: 考古目录中物体检测和自动记录的AI辅助工作流

    通过人工智能的对象检测神经网络技术，在考古学目录中快速、自动和标准化地收集数据，同时记录几何整体轮廓。

    Nov, 2023

  • 具有LLM增强提示和多源监督的知识感知艺术品图像合成

    我们提出了一种新颖的知识感知艺术品图像合成方法，准确地将历史遗失的对象恢复为视觉形式，通过构造带有显式考古知识的提示、引入额外的文本指导以及应用视觉-语义约束，使模型能够学习更多细节，并生成更高质量的艺术品图像。

    Dec, 2023

  • 激光雷达可视化对考古物体语义分割的影响

    本研究通过一个全面的测试框架，研究了可视化对深度学习性能的影响，结果表明适当的可视化选择可以提高性能高达8%，然而找到一个在分割所有考古类别中表现出色的可视化方法仍然具有挑战性，实验结果突显了在成功分割考古对象时，精心选择模型配置和LiDAR可视化的重要性。

    Apr, 2024

  • 基于大型多模态模型的石材劣化模式识别

    通过对主要基础多模态模型的能力进行评估，我们系统性地研究了这些模型在识别和分类有助于文化遗产保护和修复的石质元素的异常和磨损模式方面的能力，并确定了这些模型在遗产保护与修复领域的优势和劣势。

    Jun, 2024

  • 利用卫星图像时间序列检测被盗文物遗址

    本研究解决了监测被盗文物遗址的难题，提出了DAFA被盗遗址数据集，包含675个阿富汗考古遗址的多时相遥感图像。通过评估多种基线方法，展示了使用基础模型和完整时间序列的显著优势，推动了卫星图像时间序列分类在实际应用中的发展。

    Sep, 2024