基于变分自编码器的罗马陶片无监督聚类
计算机视觉与模式识别
2022-03-16 v1 人工智能
数据库
机器学习
摘要
本文提出一种人工智能成像方案，以辅助考古学家完成罗马日用陶片的分类任务。通常，每件陶片以其截面轮廓表示为二维黑白图像，并印在与特定考古发掘相关的考古书籍中。碎片的不完整性与手工差异使其匹配成为一项具有挑战性的问题：我们提出通过在深度卷积变分自编码器（VAE）网络潜空间中学习的非线性特征的无监督层次聚类来配对相似轮廓。我们的贡献还包括创建了一个罗马日用陶器（ROCOPOT）数据库，包含从25个罗马陶器语料库中提取的超过4000个陶片轮廓，以及一个用于便捷查看形状相似性的MATLAB GUI软件。结果从数学和考古两个角度进行了评述，以开启两个领域的新研究方向。
引用
@article{arxiv.2203.07437,
title = {Unsupervised Clustering of Roman Potsherds via Variational Autoencoders},
author = {Simone Parisotto and Ninetta Leone and Carola-Bibiane Schönlieb and Alessandro Launaro},
journal= {arXiv preprint arXiv:2203.07437},
year = {2022}
}
备注
16 pages, 11 figures