特色应用
本研究可支持数字博物馆藏品中陶瓷形制的可解释与可追溯组织，以及相似器物检索，为藏品浏览、器物发现及溯源关联验证提供了一种实用的AI辅助工具。
摘要
开放博物馆藏品的持续数字化为文化遗产的智能组织与视觉发现提供了新的机遇。然而，陶瓷形制之间的形态相似性、类内变异以及拍摄条件的变化仍然是自动分类、模型解释和相似器物检索面临的挑战。本研究利用大都会艺术博物馆（The Met）开放藏品中的3305件中国陶瓷器物，开发了一套用于陶瓷形制分类与视觉检索的可解释且可追溯的工作流程。博物馆元数据被标准化为13个形制类别，其中2755件器物被用于建立七类主分类任务。在统一的数据划分和评估协议下，评估了显式形态特征、人工设计的视觉特征、ResNet50表征、DINOv2表征以及形态-深度特征融合。可解释人工智能（XAI）方法被用于考察模型的空间响应以及显式形态变量的特征归因，同时评估了不同表征在基于内容的视觉检索中的表现。结果表明，深度视觉表征能有效支持陶瓷形制分类，其中DINOv2在多个随机种子下表现出相对稳定的性能。形态-深度特征融合相较于仅使用DINOv2并未提供一致的分类优势，但融合表征在视觉检索中展现了更明显的互补价值，实现了最高的Precision@5（0.819）和mean average precision at 10（mAP@10；0.773）。XAI分析进一步表明，具有结构意义的空间响应以及显式几何描述符有助于形制区分。通过将分类、解释和检索结果与Object ID及原始藏品记录关联，所提出的工作流程为数字博物馆藏品中的陶瓷形制组织、相似器物发现和可追溯视觉检索提供了一种实用的计算方法。
