| Project/Area Number |
23K22016
|
|---|
| Project/Area Number (Other) |
22H00744 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 03060:Cultural assets study-related
|
|---|
| Research Institution | Niigata University of International and Information Studies |
|---|
Principal Investigator |
Fujita Haruhiro 新潟国際情報大学, 経営情報学部, 教授 (40366513)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
河原 和好 新潟国際情報大学, 経営情報学部, 准教授 (20319023)
山本 亮 独立行政法人国立文化財機構東京国立博物館, 学芸研究部, 研究員 (30770193)
宮尾 亨 新潟県立歴史博物館, その他部局等, 研究員 (90245655)
|
|---|
| Project Period (FY) |
2024-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,810,000 (Direct Cost: ¥13,700,000、Indirect Cost: ¥4,110,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
Fiscal Year 2022: ¥11,700,000 (Direct Cost: ¥9,000,000、Indirect Cost: ¥2,700,000)
|
|---|
| Keywords | 3D深層クラスターモデル / 須恵器 / 専門家の分類ラベル / 機械学習分類グループ / 恣意性の高い型式と年代 / 3D-RGBデータ / ボクセルデータ / 回転擬似復元 / 須恵器坏 / 楕円近似 / 最近傍距離計算 / 残存部位復元部位結合 / QV変分オートエンコーダ / ヒトの判断基準の検証 / 深層学習クラスター解析 / 変分オートエンコーダ / クラスター解析 / ベクトル量子化変分オートエンコーダ / 正規分布に従う潜在変数 / 離散的な潜在変数 / 再構築の差 / 数理考古学 / 型式・年代の分類 / 深層クラスター解析 / 型式・年代分類 / ヒト判断根拠の検証 / 3D-RGBAデータ / 光学スキャナー / 未知のクラスターを検知 |
|---|
| Outline of Research at the Start |
専門家が判断した須恵器の型式を深層クラスター解析にて導出されたクラスターとの比較を行い、ヒトの判断と深層クラスター解析との乖離に関する考察を行う。須恵器の光学スキャナー計測データから3D-RGBAのボクセルデータに変換し、データ拡張を行なってクラスター解析を実施する。解析手法は畳込みラベルを擬似ラベルとするk平均法によるクラスター解析、変分オートエンコーダ(VAE)の潜在空間特徴量による次元圧縮クラスター解析、さらには量子ベクトル変分オートエンコーダ(VQ-VAE)の潜在空間特徴量による次元圧縮クラスター解析を実施し、クラスター形成の状況を観察し、ヒトの型式と比較する。
|
| Outline of Final Research Achievements |
49 and 59 samples of upper/bottom parts of Sueki potteries of 6th centuries, collected by the Tokyo National Museum, were optically scanned and converted 3D-RGBA 1283 voxel data sets. The datasets were analyzed by a pseudo label supervised learning model followed by a deep clustering model. The number of clusters of the bottom part data set was set at 6 and 7 by the Elbow method, and both 6 and 7 clusters showed a similarity in a significant cluster composed of denseⅡ-5 data and sparse Ⅱ-4 data of expert's classes. Those results were interpretted by scatter plots and cluster matrices. Modifications of voxel datasets reflecting actual sizes of individual samples, and improvements in clustering methods were discussed.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では専門家によって判断基準や種類分別が異なる恣意性の高い文化財の「型式」や「年代」等の分類が妥当なものであるかを最新のデータサイエンス・深層学習により検証することを目的とした。資料の3D形状,色,表面の質感情報である3D-RGBデータを取得し、「ヒトの判断が介在しない」深層学習クラスター解析により導出したクラスターと、「ヒトの判断基準による」専門家の分類ラベルで機械学習・推論した分類グループとの乖離あるいはマッチングを数理的に分析することにより専門家の分類基準の妥当性を検証するという、独創的な解析手法を採用し、文化財科学分野に新たな革新的領域を開くことを目指した。
|
