LUWA 数据集：在显微图像上学习石器微痕分析
计算机视觉与模式识别
2024-03-29 v2
摘要
利用显微图像进行石器微痕分析 (LUWA) 是一个尚未充分探索的视觉科学研究领域。它旨在区分被加工材料，这对于理解考古文物、材料相互作用、工具功能以及牙齿记录至关重要。然而，这一具有挑战性的任务超越了研究较为成熟的常见物体图像分类问题。由于复杂的磨损机制和显微成像，它受到许多混杂因素的影响，这使得即使是人类专家也难以成功识别被加工材料。本文首次针对这一独特的视觉任务研究了以下三个问题：(i) 最先进的预训练模型（如 DINOv2）在多大程度上能泛化到这一罕见领域？(ii) 如何针对稀缺的显微图像利用 few-shot learning？(iii) 模糊的放大倍率和传感模态如何影响分类准确率？为了研究这些问题，我们与考古学家合作，构建了首个开源且规模最大的 LUWA 数据集，包含 23,130 张具有不同放大倍率和传感模态的显微图像。大量实验表明，现有的预训练模型显著优于人类专家，但仍有很大的改进空间。最重要的是，LUWA 数据集为视觉和学习社区提供了一个尚未充分探索的机会，并补充了现有的关于常见物体的图像分类问题。
引用
@article{arxiv.2403.13171,
title = {LUWA Dataset: Learning Lithic Use-Wear Analysis on Microscopic Images},
author = {Jing Zhang and Irving Fang and Juexiao Zhang and Hao Wu and Akshat Kaushik and Alice Rodriguez and Hanwen Zhao and Zhuo Zheng and Radu Iovita and Chen Feng},
journal= {arXiv preprint arXiv:2403.13171},
year = {2024}
}
备注
CVPR