"BaliMask3D数据集：基于VQ-VAE与SDFusion的巴厘传统面具三维修复与文化遗产数字化保护"

本研究针对文化遗产保护中传统巴厘面具三维数据缺失问题，开发了包含27类面具的BaliMask3D数据集。通过360度摄影测量法获取高精度三维模型，结合VQ-VAE（矢量量化变分自编码器）和SDFusion（符号距离场融合）技术实现破损文物的三维补全，平均Uniform Hausdorff Distance(UHD)达0.014，Topological Morphology Distance(TMD)为0.041。该数据集为深度学习驱动的文化遗产数字化提供了新基准。

　　

在巴厘岛的传统仪式中，精雕细琢的木制面具承载着千年文化记忆，然而这些由有机材料制成的艺术品正面临不可逆的退化危机。现有三维数据集如ShapeNet和ModelNet主要收录西方器物，对东南亚独特文化遗产的数字化呈现存在显著空白。更棘手的是，博物馆中许多面具已出现破损或局部缺失，传统三维扫描技术难以实现完整重建。这一现状呼唤既能保留复杂雕刻细节，又能修复残缺结构的创新解决方案。

针对这一挑战，印度尼西亚泗水理工学院智能电气与信息技术学院信息学系的研究团队开发了BaliMask3D数据集。该研究通过高精度360度摄影测量技术数字化27类代表性巴厘面具，构建了首个专注于三维补全任务的文化遗产数据集。如图1所示，研究采用多视角图像采集方案，确保捕获面具复杂的几何纹理特征。

创新性地结合VQ-VAE（Vector Quantized Variational Autoencoder）和SDFusion（Signed Distance Field Fusion）框架，实现了对破损区域的高保真重建，最终模型在Uniform Hausdorff Distance和Topological Morphology Distance评估中分别达到0.013-0.017和0.037-0.064的精度，相关成果发表于《Scientific Data》期刊。

关键技术方法包括：1)采用Polycam进行360度摄影测量，单面具采集超100张高分辨率图像；2)Blender后处理优化网格拓扑结构；3)通过computeDistanceField工具生成符号距离场(SDF)表示；4)两阶段训练流程——VQ-VAE初步重建后经SDFusion细化；5)Transformer架构处理三维补全任务，以面具上半部预测下半部结构。所有数据均来自巴厘岛博物馆的实体藏品。

【数据记录】

数据集包含27类面具的完整三维模型（OBJ/GLB格式）、UV贴图（PNG）及SDF表示（H5格式）。如表1所示，"Rama"面具取得最佳重建精度（UHD=0.0136），而"Cerikan Wijil"因复杂雕刻面临最大挑战（TMD=0.064）。

【技术验证】

通过双重验证确保数据可靠性：1)深度学习模型测试显示VQ-VAE+SDFusion组合能有效恢复面具缺失区域；2)文化专家确认数字模型准确保留了传统雕刻的宗教象征意义。如图4所示的典型面具案例证明该方法能处理复杂镂空结构。

【方法创新】

研究团队设计了如图2所示的系统工作流程：

关键突破在于将Transformer架构引入三维补全任务，如图3所示，通过将三维模型分解为局部编码网格，利用自注意力机制预测缺失区域的空间编码。

研究结论表明，BaliMask3D数据集填补了文化遗产三维补全领域的空白，其创新性体现在：1)首个专注非西方文物的三维补全基准；2)证明小样本数据（27类）通过适当预处理仍可支持深度学习；3)开发的三阶段流水线（摄影测量-SDF表示-补全重建）具有跨文化适用性。如图5展示的输入输出对比验证了该方法对局部缺损的修复能力。

该成果不仅为巴厘岛非物质文化遗产的数字化保存建立新标准，其技术框架也可扩展至其他濒危文物的保护实践。