面向分辨率感知数字化及结构化遗产访问的中国画笔触语义资源

《Journal on Computing and Cultural Heritage》：Chinese Painting Semantic Resource for Resolution-Aware Digitisation and Structured Heritage Access

　　

摘要AI 摘要

如需查看此 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

中国画的数字化构成了一个独特的遗产信息学挑战：笔触、刻意留白以及图文共存等文化上重要的视觉结构，很难使用通用的馆藏和计算表示法进行记录、访问和研究。我们提出了"中国画语义资源"（CPSR），包含 1,797 条去重后的画作图像记录，配有一份 12 列的面向实验的元数据发布版本，以及一个包含 24 种类型的双语轻量级语义应用配置文件。我们以六种架构的单一随机种子分类实验作为针对缩放后派生输入的诊断性探针，发现 512×512 分辨率在主类别分类中取得最佳结果（96.7%），并且相对于 224×224 分辨率有显著提升；而 1024×1024 分辨率对七类合并技法-主题类别的影响则因模型而异：它给出了最佳单项结果（81.7%），但跨模型均值比 512×512 低 0.9 个百分点。三项事后 Grad-CAM 案例研究提供了探索性的相关性观察，而非定量的定位验证。通过将基于文化背景的配置文件设计与 CIDOC-CRM、Getty AAT、IIIF 以及 W3C 网页标注等标准进行代表性映射，CPSR 展示了如何在为符合标准的访问做准备的同时，保留本地语义区分；该资源并不声称实现了逐条记录的完整配置文件填充或模型级别的语义理解。

AI 摘要

AI 生成摘要（实验性）

本摘要由自动化工具生成，未经文章作者撰写或审阅。它旨在辅助发现、帮助读者评估相关性，并帮助来自相邻研究领域的读者理解该研究。它是对作者提供的摘要的补充，后者仍是论文的主要摘要。全文仍为权威版本。

点击 此处 对此摘要的准确性、清晰度和实用性发表评论。您的反馈将有助于改进和未来的重新生成版本。

如需查看此 AI 生成的通俗摘要，您必须拥有高级访问权限。