TEXMET：用于考古纺织品重建的深度学习基准测试

《Journal on Computing and Cultural Heritage》：TEXMET: A Deep Learning Benchmark for Archaeological Textile Reconstruction

　　

摘要AI摘要

要查看此由AI生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

在计算考古学中，重建破碎的历史纺织品是一个重大挑战。奥塞伯格船葬（Oseberg ship burial）可追溯至公元834年，出土了数百片退化的纺织品碎片，这些碎片一直难以进行系统的计算分析。尽管深度学习在基于图像的拼图解决方面取得了革命性进展，但考古纺织品领域的进展受到缺乏特定领域的数据集和现代架构系统性评估的制约。为了解决这一难题，我们提出了TEXMET，这是一个包含18,644张来自大都会艺术博物馆开放获取收藏的历史纺织品图像的精心整理的数据集，它是首个专门用于纺织品拼图研究的基准数据集。利用TEXMET，我们对三种最先进的拼图模型进行了系统评估：JPDVT、FCViT和DiffAssemble。实验结果表明，基于Transformer的模型在标准数据集上进行预训练后无法泛化到纺织品领域，但针对特定领域的微调效果显著。基于图的DiffAssemble模型在TEXMET上进行微调后，其在纺织品数据上的拼图准确率达到了85.89%。更重要的是，将这个微调后的模型应用于45片高度退化的奥塞伯格碎片后，拼图准确率从26.67%提高到了64.44%。这些结果确立了TEXMET作为纺织品重建的新基准，并证明了领域适应性对于将拼图解决方法应用于真实考古材料的图像至关重要。

AI摘要

AI生成的摘要（实验性）

此摘要是由自动化工具生成的，并非由文章作者编写或审核。它旨在帮助发现新内容、帮助读者评估文章的相关性，并协助相关研究领域的读者理解本文。它是对作者提供的摘要的补充，后者仍然是本文的官方总结。完整文章仍是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的生成的摘要版本。

要查看此由AI生成的通俗语言摘要，您必须拥有高级访问权限。