基于语义分割的文化遗产珍品自动监测
计算机视觉与模式识别
2025-11-26 v1 人工智能
机器学习
摘要
本文针对文化遗产保存中对裂纹自动检测的迫切需求，提出一种基于语义分割的方法。我们对比性地研究了多种采用不同卷积神经网络(CNN)编码器的U-Net架构，用于对雕像和单体的像素级裂纹识别。在OmniCrack30k数据集测试集上进行定性评估时，我们采用包括平均交并比(mIoU)、Dice系数和Jaccard指数在内的流行分割指标进行定量评估。这种做法还对来自真实世界受损雕像和单体的未标记测试集进行了准外分布的定性评估。我们的发现为不同CNN基座在精细裂纹分割能力提供了宝贵的见解。我们表明，尽管模型从未在雕像或单体图像上进行过显式训练，却展现出对未见文化遗产情境的良好概括能力。
引用
@article{arxiv.2511.20541,
title = {Automated Monitoring of Cultural Heritage Artifacts Using Semantic Segmentation},
author = {Andrea Ranieri and Giorgio Palmieri and Silvia Biasotti},
journal= {arXiv preprint arXiv:2511.20541},
year = {2025}
}
备注
Keywords: Cultural Heritage, Monitoring, Deep Learning, U-Nets, Semantic Segmentation