通过3D数据融合技术拼合碎片
研究扩展至追踪新罗瓦片生产网络
数据质量与标准共识仍是课题
识别出庆州月城出土的两块石碑碎片可能相连的，并非研究人员的假设，而是人工智能（AI）。这项技术有望拓展应用范围，例如追踪新罗瓦片的生产与流通结构，但数据质量和标准化仍是亟待解决的课题。
在庆州月城采集的两块碑片，分别于相隔83年的不同时间出土。其中一块由当时在朝鲜总督府博物馆庆州分馆工作的崔南柱于1937年在月城西侧地表发现；另一块则于2020年在月城护城河发掘现场的排水沟扰动层中出土。去年5月，国立庆州文化遗产研究所与国立庆州博物馆开展联合调查，确认两块碎片属于同一件石碑。它们的断裂面严丝合缝。拼合后，石碑长27.19厘米、宽16.58厘米、重3.93千克，比两只手掌并拢略大。根据不同学者的统计，残存文字为15至17个字，字体与高句丽“广开土王碑”相似。
这项人工智能分析的经过，在国立庆州文化遗产研究所与韩国考古学会22日在庆州The-K酒店共同举办的学术研修会上得以披露。研修会以“AX时代的新罗瓦片研究：如何开展”为主题。Caratphant董事徐贤珠表示：“这项项目最重要的技术意义在于，两块碑片的拼合并非始于专家的肉眼观察或事先假设。”Caratphant研究团队的原型服务器中，积累了来自多个机构的文物三维（3D）扫描数据。人工智能模型利用这些资料进行多重运算时，自行识别出了两块碎片可能相连。
断裂面的比对并不容易。两块碎片的采集时间和埋藏环境不同，部分断裂面已严重磨损。人工智能没有比对碎片整体，而是将局部区域不规则的起伏简化为轻量化特征进行比较，得出了两处断面形态信息一致的结论。徐贤珠表示：“这是一个证明即使没有人类专家的先行判断，也能揭示隐藏的考古事实的案例。”
这项成果是此前研究的延续。去年，在韩国考古学会与国立文化遗产研究院共同主办的研讨会“考古学与大数据时代”上，Caratphant提出了一种算法，通过分析3D网格模型（将表面划分为大量小面片并以立体形式呈现的模型）来判断形态相似度。研究团队利用包括月城护城河出土瓦当在内的3D数据进行训练，但由于运算负荷较大，实际验证仅涉及6件文物。今年，在国家遗产振兴院主办的学术会议“数字考古技术应用的实践与局限”上，研究团队提出了突破这一局限的方案：利用深度学习将表面局部特征压缩为轻量化数值，从而对大规模3D数据进行批量运算。
研究重点对象是瓦片。由于瓦片通过瓦范这一固定模具批量生产，形态较为规整。徐贤珠表示：“瓦片具有最适合运用人工智能技术进行分析的特性。”她还说明，这一方法也有利于将使用同一瓦范的瓦片或制作群体归为一类。
通过3D分析，可以读取肉眼或平面照片难以辨认的表面细微质感和瓦范痕迹，也有望区分使用同一模具压制的瓦片，即同范瓦。徐贤珠表示：“这有助于揭示当时的瓦片如何制作、传播和使用。”
其他 발표也提出了相同方向的方案。国立庆州文化遗产研究所特别研究员李恩珍介绍了一种方法：通过比较3D形状数据，由人工智能向研究人员推荐拼合概率较高的碎片。她表示，在出土文物数量庞大的遗址，仅靠人工寻找能够拼合的碎片耗时很长，人工智能可以提供切实帮助。
人工智能也可用于判别同范瓦。瓦范长期使用后会磨损或破裂，这些缺损会原样印在瓦片上。瓦当（置于屋檐末端的装饰性瓦片）纹样上留下的这类痕迹称为范痕。人工智能若能对这些痕迹进行精细比对，便可自动找出由同一瓦范制作的瓦片。李恩珍表示：“在生产地与消费地遗址之间确认同范瓦，是追踪瓦片生产和流通关系的重要空间依据。”
这类分析的关键在于数据。Caratphant利用自主开发的3D记录软件，每年收集约3万件文物资料，累计已获得12万件。公司表示，这些数据由高精度扫描仪采集，用于绘制实测图，因此能够保持较为稳定的质量。研究人员绘制图纸时，会确定特征部位、提取剖面并设定中心轴，这些判断过程也会按顺序记录在软件中。这是为了让人工智能不仅学习完成后的形态，也学习专家解读文物的过程。
尽管如此，这项技术仍有局限。徐贤珠表示：“目前还很难说，能够像读取2D图像一样完整地读取3D数据并自行判断其含义的人工智能技术，已经进入商业化阶段。”
数据质量也是一大障碍。扫描仪的读取精度、来自多个方向的扫描数据按照什么标准拼接，以及如何处理表面、去除杂点，都会导致同一件文物的分析数值出现较大差异。国家遗产厅公开的3D数据数量有限，而且表面网格划分较为稀疏，许多数据不足以用于人工智能训练。徐贤珠强调：“应根据最新技术水平修订3D扫描标准指南，并由国家机构、产业界、学术界和研究机构就数据互通标准达成共识。”
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
