Niigata University of International and Information Studies (NUIS) Repository / 新潟国際情報大学機関リポジトリ
Not a member yet
695 research outputs found
Sort by
危機に瀕した人類最古の装飾墓を地域社会で保護・継承する実践的基盤の構築
Get PDFスペインのイベリア半島北西端に位置するガリシアは、紀元前５千年紀末に巨石文化が開花し彩色壁画を持つ装飾古墳が築かれた（図１）。それらはヨーロッパ先史文化における顕著な地域的特性で、人類史上はじめて彩色壁画が埋葬の場に採用された最古の装飾墓で、旧石器時代の洞窟壁画との間を繋ぐミッシングリンクである（図２）。しかし、そのほとんどが荒れ放題で放置され、人類史上重要な意義を持つ先史壁画遺産は消滅の危機に瀕している。本研究では、ドンバテ古墳を対象に3Dモデルを作成し、GNSS測位、DStretch画像解析、崩壊危険度分析を行い位置情報が付与された現状と築造当時のデジタルツインを構築する。これに基づき、地域行政と緊密に連携した古墳のモニタリングや教育普及活動を通じ、先史壁画遺産としてガリシアの装飾古墳の価値を共創する。本研究は、日本が培ってきた先史壁画遺産の保存活用の方法論をガリシアの装飾古墳に応用し、国際貢献へ寄与することに推進する実践的な研究である。research repor
土器点群モデルへの自己教師あり学習の適用可能性
Get PDF近年の光3Dスキャニング技術の発展により、遺物や文化財への3D計測の導入が進んでいる。3D計測データ形式の1つとして3D空間内の点の集合である点群がある。例えば縄文土器などの遺物を点群で表示すれば、目視で形状や模様などの幾何学的情報を保持していることは容易に認識できる。また点群は単純なデータ形式であるため、計算機で効率的に処理できる利点がある。ディープラーニング手法の進展により、自然言語処理を始めとする様々なAIタスクが高性能化しており、さらに画像と言語など、別領域のデータを同時にAIとして扱うマルチモーダル化も進んでいる。我々は土器3D点群から説明文（キャプション）を出力するマルチモーダルモデルの開発を進めているが、今回1個体につき131072点より成る土器点群詳細データをモデルの訓練に用いることを検討した（図1）。
131072点では、土器表面紋様が読み取れる詳細レベルを持っている。我々が目指す土器キャプションモデルではこのレベルを認識できるものを目指している。今回は点群を処理する部分にのみに注目し、自己教師あり学習（Self-Supervised Learning、SSL）の手法を用いてプレテキストタスクを訓練するアーキテクチャを検討した。土器点群はまず、PointNet++ネットワーク部により、256個の特徴ベクトルに変換される。そのうちの1個は1トークンであると考え、256トークンの入力系列であるとみなすことで、Vision transformerネットワーク部に入力し、さらに最初の入力データをデータ拡張してSSLを可能にするDINO、SimCLR、BYOLを全体のフレームワークとして用いる設計を考案した。実装やデータの学習については今後進める予定である。research repor
考古学・データサイエンスの融合に基づく古墳時代須恵器3Dデータ深層教師付き学習による新たな研究基盤の構築
Get PDF今般、考古資料の3Dデータを用いた深層学習では、歪みや欠損が少ない完形品を用いている。これは、歪みや欠損がノイズとなり、学習の結果に影響を与えることを危惧してのことである。
しかし、深層学習の教師ラベルとなる考古学的な編年案は、特に本研究で取り扱っている須恵器についてはこれまで主に窯跡出土資料に基づいて構築されてきた。生産地遺跡である窯跡遺跡出土資料は時期的なまとまりが強く、他の資料と比較しやすいこともあって編年案の構築には優れている。その反面、基本的に焼成失敗品のため、著しい歪みや欠損をもつ資料が多い。
いっぽうで消費地遺跡では古墳から一括して出土するものの、生産や時期の単位が混在しているものも多く、考古学的な編年案では長らく等閑視されてきた。しかし、歪みや欠損が少ない完形品が多く、深層学習の資料としては適している。
こうした事情からこれまで本研究チームでは消費地遺跡（古墳）出土の資料を用いてきたが、これまで考古学的な編年の資料とされてきた窯跡出土資料を用いることができるようになれば、より考古学的編年案との整合性について検証がしやすくなるとともに、生産地の情報についても学習できるようになる展望がある。
今後、考古学の分野からは、
① 窯跡出土資料のデータ化
② 教師ラベルとなる編年研究の再検討
を行う。いっぽうでデータサイエンスの側では、同時に
① 欠損資料データの補完プログラムの構築
② 歪みの画像処理プログラムの構築
を行う。これらの成果を互いにフィードバックさせることで、より高次元・高精度の編年的枠組みの構築が可能になると考える。research repor
