基于深度学习技术的自动马赛克砖块分割
计算机视觉与模式识别
2025-12-23 v1 机器学习
摘要
艺术广为人知地反映了文明，而马赛克则是文化遗产中重要的一部分。马赛克是由将小块碎片（称为砖块）粘贴在某一表面上形成的古老艺术形式。由于其年代久远且脆弱，马赛克容易受到损坏，这凸显了数字化保存的必要性。本文针对马赛克数字化化的问题，通过分割砖块以将其从背景中分离出来，着眼于计算机视觉中的图像分割领域。我们提出一种方法，利用元AI的分段感知模型2（SAM 2），该模型超越了大多数传统分割模型。由于该领域缺乏开放数据集，我们还创建了一个马赛克图像注释数据集，用于微调和评估模型。实验结果表明，在我们的测试数据集上，与基线SAM 2模型相比，平均交并比提升至91.02%（原为89.00%），召回率提升至95.89%（原为92.12%）。此外，在先前方法提出的基准测试上，我们的方法实现了比以前方法高出3%的F值，并将预测砖块与实际砖块之间绝对差值的误差从0.20降低至仅0.02。经过微调的SAM 2模型的卓越性能，以及新构建的注释数据集，为马赛克图像的实时分割奠定了基础。
引用
@article{arxiv.2512.18406,
title = {Automated Mosaic Tesserae Segmentation via Deep Learning Techniques},
author = {Charilaos Kapelonis and Marios Antonakakis and Konstantinos Politof and Aristomenis Antoniadis and Michalis Zervakis},
journal= {arXiv preprint arXiv:2512.18406},
year = {2025}
}