基于物理驱动的深度学习重组碎片化古竹简
计算机视觉与模式识别
2025-07-04 v2 材料科学
摘要
竹简是东亚记录古代文明的重要载体，为重建丝绸之路、研究物文化交流和全球历史提供了不可或缺的考古资料。然而，许多挖掘出的竹简已碎裂成数千片不规则碎片，使其重组成为理解其内容的关键且富有挑战性的步骤。本文引入WisePanda，一个基于物理驱动的深度学习框架，用于重组碎片化的竹简。基于断裂和材料老化的物理学原理，WisePanda自动生成捕捉竹简碎片物理特性的合成训练数据。该方法使训练匹配网络无需依赖手动配对样本，为重组过程提供排名靠前的建议。与领先的曲线匹配方法相比，WisePanda在超过一千个候选碎片中将 Top-50 匹配准确率从36%提高到52%。使用WisePanda的考古学家在重组碎片化竹简时实现了约20倍的效率提升。这一研究表明，将物理原理纳入深度学习模型可显著提升其性能，正在改变考古学家恢复和研究碎片化文物的方式。WisePanda为通过物理驱动的机器学习解决古代文物修复中的数据稀缺问题提供了新范式。
引用
@article{arxiv.2505.08601,
title = {Rejoining fragmented ancient bamboo slips with physics-driven deep learning},
author = {Jinchi Zhu and Zhou Zhao and Hailong Lei and Xiaoguang Wang and Jialiang Lu and Jing Li and Qianqian Tang and Jiachen Shen and Gui-Song Xia and Bo Du and Yongchao Xu},
journal= {arXiv preprint arXiv:2505.08601},
year = {2025}
}