What question did this study set out to answer?

O objetivo da pesquisa é aprimorar a identificação de escribas para cerâmicas da Dinastia Tang usando uma nova abordagem de aprendizado profundo.

March 13, 2026Open Access

Identificação de escribas para cerâmicas poéticas do forno Changsha da Dinastia Tang via modelo de atenção global multi-escala de caminho duplo

Key Points

O objetivo da pesquisa é aprimorar a identificação de escribas para cerâmicas da Dinastia Tang usando uma nova abordagem de aprendizado profundo.
Construiu-se um conjunto de dados de 1865 imagens de caracteres a partir de 135 artefatos.
Desenvolveu-se uma rede neural convolucional de caminho duplo com um módulo de atenção global multi-escala.
Realizaram-se experimentos comparando a precisão do novo modelo com as linhas de base de atenção não local.
Alcançou-se 97,85% de precisão na atribuição de escribas usando o modelo MSGA.
Superou-se métodos de atenção não local, que alcançaram 93,75% de precisão.
Identificou-se duas cerâmicas de museus diferentes como criadas pelo mesmo escriba, uma descoberta anteriormente negligenciada.

Abstract

Resumo As cerâmicas do forno Changsha da Dinastia Tang são um patrimônio cultural icônico, apresentando caligrafia única. A pesquisa atual foca na análise textual, negligenciando a identificação de escribas devido à ausência de conjuntos de dados públicos e limitações de métodos dependentes de especialistas. Abordamos essa lacuna construindo o primeiro conjunto de dados abrangente de 1865 imagens de caracteres de 135 artefatos. Para possibilitar a atribuição automática de escribas, desenvolvemos uma rede neural convolucional de caminho duplo integrando um módulo de atenção global multi-escala (MSGA), aprimorando a percepção de características por meio da fusão multi-escala e atenção. Experimentos mostram que o MSGA alcança 97,85% de precisão, superando significativamente as linhas de base de atenção não local (93,75%). A aplicação do nosso modelo a coleções de museus revelou duas cerâmicas em instituições separadas que se originam do mesmo escriba — uma descoberta não detectada convencionalmente. Este trabalho estabelece uma estrutura quantitativa para discriminação de estilo caligráfico e atribuição de caligrafia antiga, transformando o estudo histórico da caligrafia por meio de métodos de aprendizado profundo.

Perguntar à IA

Bookmark

View Full Paper