《Buildings》：A Recognition Method for Architectural Decorative Motifs in Guanzhong Traditional Vernacular Dwellings for the Digital Documentation of Architectural Heritage
编辑推荐：
关中传统民居传统民居是传统建筑遗产的重要组成部分，其建筑装饰母题常附着于影壁、山墙端墩、门窗、门枕石、柱础、瓦当及屋脊等构件，是建筑遗产基于图像的建档、类型学组织与保护管理的重要视觉对象。相关图像主要经野外摄影获取，常受风化、剥落、遮挡、污染、光照变化、墙体接
关中传统民居传统民居是传统建筑遗产的重要组成部分，其建筑装饰母题常附着于影壁、山墙端墩、门窗、门枕石、柱础、瓦当及屋脊等构件，是建筑遗产基于图像的建档、类型学组织与保护管理的重要视觉对象。相关图像主要经野外摄影获取，常受风化、剥落、遮挡、污染、光照变化、墙体接缝、砖缝、阴影、构件边缘及纹理破损等多源干扰，导致母题边界模糊、背景干扰强、误识风险高。现有母题识别方法多聚焦清晰样本，对复杂场景下候选区域生成、无效纹理过滤及低置信结果排除关注不足。针对上述问题，研究人员提出一种复杂场景建筑装饰母题识别方法：以野外采集的关中传统民居图像为基础，将建筑装饰母题与非母题候选区域共同作为训练对象；首先利用SAM生成潜在母题候选区域，继而引入基于候选尺寸、长宽比与SAM稳定性得分的空间先验滤波以降低无效区域提议，并通过语义聚合保留受高置信局部母题证据支持的大候选区；进一步采用Swin Transformer作为分类骨干，从候选区提取局部纹理特征与整体结构关系；并引入基于最大置信度的拒识机制，增强模型排除低置信预测及无母题区域的能力。构件级测试集评价与专家核验的完整野外地物图像评价表明，该方法能削弱复杂背景与无效纹理干扰，提升野外图像中建筑装饰区域识别的稳定性，为传统民居建筑装饰母题的图像组织、数字化建档、类型学标引及保护管理提供技术支撑。
研究背景方面，建筑装饰母题在传统民居图像档案中具有明确辨识价值，其常嵌入特定构件且尺度较小，记录工艺线条、材料纹理与构成关系。关中传统民居装饰附着于门楼、影壁、山墙端墩、门窗、门枕石、柱础、瓦当及屋脊，形成具有空间附着特征的母题图像体系。国际层面，实景化建档（reality-based documentation）、摄影测量、三维扫描及H-BIM研究已确立图像识别作为遗产信息组织的技术基础。野外调查中发现拍摄距离、光照、构件高度与视角导致背景杂乱、尺度不一与边界不清；长期裸露致使风化、剥落、遮挡与污染弱化母题轮廓与类别特征。现有深度学习路径或直接以整图送入CNN/ViT/Swin Transformer分类，或借助分割与视觉基础模型提取目标区，但整图分类易受大面积墙面、构件边缘、阴影与破损纹理干扰，故需面向复杂场景的母题识别方法。研究人员于2026年1月至3月在陕西关中五市（西安、宝鸡、咸阳、渭南、铜川）47处传统民居采集完整建筑照片、构件照片与局部裁剪图，构建含4706张标注样本、164类（163母题类+1非母题背景类）的数据集，样本按市—区县—民居—构件—具体母题五级溯源，非母题候选含墙缝、砖缝、污渍、阴影、风化木纹等负样本；经尺度与颜色归一化、去除严重模糊/过曝/主体缺失样本，裁剪为224×224×3，训练中以ColorJitter模拟光照、Random Erasing模拟遮挡与局部破损（禁用旋转透视以保符号朝向）。论文发表于《Buildings》。
关键方法上，研究人员采用双分支顺序工作流：以SAM（ViT-B，sam_vit_b_01ec64.pth，points_per_side=32，pred_iou_thresh=0.88，stability_score_thresh=0.92，min_mask_region_area=200）在全图生成平均55.33±23.73个原始掩膜；接续空间先验滤波（面积<200像素剔除、宽或高<30像素剔除、长宽比>4.0剔除、SAM稳定性<0.92剔除）将至34.13±16.03个；大区域经语义聚合保留高置信局部证据支持者；候选区送Swin Transformer分类输出164类概率，经Softmax得最大置信度，宏观构件锚定阈值τ=0.85、微观母题识别τ=0.80拒识低置信结果。训练用PyTorch 2.7.1+CUDA 11.8、RTX 4090，Cross-Entropy Loss，学习率1×10?4余弦退火，batch=32，100 epoch，民居级分组划分（训练17民居2091图、验证6民居121图、测试10民居351图）防泄漏。
研究结果部分，3.1节总体框架表明顺序工作流（归一化→SAM候选→空间先验滤波→语义聚合→Swin分类→置信拒识）可降低拍摄条件差异影响并输出候选位置、类别与置信度。3.3节SAM候选生成在组件尺度与纹理复杂度变量下生成密度足够且低质量分割较少的掩膜集。3.4节空间先验滤波量化显示掩膜数由55.33±23.73降至34.13±16.03，剔除碎片与不稳定性区域。3.5节Swin Transformer分类通过局部窗口注意力与偏移窗口机制兼顾雕线细节与对称构成，将整图分类转为候选区局部分类。3.6节最大置信拒识机制以τ过滤裂纹/污渍/阴影等伪母题，统一阈值平衡留存与拒伪。4.1节民居级分组实验下组件级测试351样本（鼓石、柱础、山墙饰、影壁、门枕石、门裙）获微平均准确率88.32%、宏精度88.70%、宏召回89.98%、宏F1 88.22%。4.5节60张完整野外地物图经单专家盲验EV-LHR（Expert-Verified Localized Hit Rate）得68.3%（95%CI 56.6–80.0%），优于YOLOv8n基线58.3%计10.0个百分点。4.7节局限指出完整图缺密集框/像素标注故未报mIoU/AP50/75，60图统计推广受限，EV-LHR含专家主观性，数据集因隐私不公开，长尾分布致稀有母题难识别。
讨论与结论翻译：研究人员指出该法面向传统民居遗产图像建档，构建关中母题数据集并集成SAM候选、空间先验滤波、语义聚合、Swin分类与置信拒识，削弱墙缝/污渍/阴影/风化纹理干扰；民居级分组下组件级微平均准确率88.32%、宏F1 88.22%，60图专家核验EV-LHR 68.3%超YOLOv8n 10.0个百分点，证明工作流在复杂野外地物图中组织母题区域具实用价值，可支撑数字化建档、图像检索与保护管理。实际部署中SAM候选生成为计算主体，分类与拒识较轻量；跨区迁移需重标本地母题、调空间先验阈值并补区域样本；稀有母题、重损构件与歧义符号仍须人工核验。
