用于古代钱币学中币模分析的无监督统计学习
计算机视觉与模式识别
2021-12-02 v1
摘要
币模分析是一种基本的钱币学方法，也是古代经济史的重要工具。然而，人工币模研究过于费力，无法全面研究如罗马帝国等大型铸币。我们通过提出一种无监督计算币模分析模型来解决此问题，该模型可将大规模币模研究所需的时间投入减少数个数量级，在许多情况下从数年降至数周。从计算机视觉角度看，币模研究呈现一个极具挑战的无监督聚类问题，因其涉及未知且大量的、尺寸不平衡的、高度相似的语义类别。我们通过在贝叶斯距离聚类框架中确定源自专门设计的基于高斯过程的 keypoint 特征（关键点特征）的币面间差异来解决这些问题。我们方法的有效性通过对 64-66 年公元间铸造的 1135 枚罗马银币的分析得到证明。
引用
@article{arxiv.2112.00290,
title = {Unsupervised Statistical Learning for Die Analysis in Ancient Numismatics},
author = {Andreas Heinecke and Emanuel Mayer and Abhinav Natarajan and Yoonju Jung},
journal= {arXiv preprint arXiv:2112.00290},
year = {2021}
}