当今 AI 皆懂文物懂历史了开yun体育网。

一项来自北京大学的最新商榷激发柔和：他们推出了各人首个面向古希腊陶罐的 3D 视觉问答数据集——VaseVQA-3D，并配套推出了专用视觉言语模子VaseVLM。

这意味着，AI 正在从"识图机器"迈向"文化考古 Agent "。

传统视觉言语模子（VLM）如 GPT-4V、Gemini 等，擅长面容平淡图像，在绽开域视觉一语气方面成果显赫，但在面临文化遗产类复杂对象时——它们真实"迷茫若失"。受限于纯属数据的规模诡秘和语义建模才能，其对复杂纹饰、器形及文化布景的一语气仍存在彰着不及。

为什么？因为枯竭高质地、结构化的专科数据。

这次，北大牵头团队带来了残害性处罚决策。

AI 初次"看懂"古希腊陶罐

以往的视觉言语模子（VLM）如 CLIP、LLaVA、GPT-4V 等，诚然能识别平淡图片，却在文化遗产这类专科规模失灵。

北大团队指出：" AI 能认猫狗，却认不出陶罐的期间、作风与技法。"

于是他们构建了一个庞大的新基座 VaseVQA-3D。

从现存资源里找了 3 万多张古希腊陶器的 2D 相片，先通过：

ResNet-50 质检：去掉迟滞与残败图像；

CLIP 语义过滤：识别"碎屑"与"完满器物"；

多视角选优：自动挑选最好视角图像。三谈筛选，留住 3880 张高质地的；

再用 TripoSG 时候把这些 2D 图转成 664 个高保果真 GLB 模子（像果真陶器相同能看前后转折）；

临了还通过 GPT-4o 生成问答与增强面容，配了 4460 组「问题 - 谜底」（比如 "这个陶器的制作工艺是什么？""是黑绘工艺"），甚而给每个 3D 模子写了谛视阐明。

为了保证 3D 模子质地，脱落挑了 24 个高质地 3D 陶器当法度样板，用来考试生成的 3D 模子好不好。

追念下来即是：

664 个高保真 3D 古希腊陶罐模子（GLB 行径）

4460 条考古问答数据

完满的 2D → 3D 生成与质检历程

涵盖陶罐六大中枢属性：材质、工艺、形制、年代、胁制、包摄

VaseVLM：懂考古的视觉言语大模子

有了数据，团队进一步纯属了专用模子 VaseVLM。

以 Qwen2.5-VL 为基底，通过两阶段强化：

阶段一：SFT 监督微调 —— 用 360 ° 旋转视频 + 考古面容纯属基础识别才能

阶段二：RLVR 强化学习 —— 将考古学问拆分为六个语义维度（Fabric、Technique、Shape、Dating、Decoration、Attribution），AI 会每个维度凭证恢复获得奖励。

这种"可考证奖励机制"让模子的恢复更专科、更靠近学术法度。

RLVR 奖励机制：AI 像考古学家相同分维度分析陶罐特征

在多项 Vase-3D 视觉问答任务上，VaseVLM 的发达大幅卓绝现存模子。

比较最强基线模子，VaseVLM 在 R@1 准确率擢升 12.8%；词汇相似度擢升 6.6%；各人东谈主工评分平均达 4.57/5（10 位考古各人评分）。

VaseVLM 生成的面容更当然、学术准确，显赫优于通用大模子。

改日，该样子探讨拓展到更多文化遗产规模，并树立更完善的数字遗产展示风景，为数字考古提供全新时候旅途。

论文原文：https://arxiv.org/abs/2510.04479

官方网站： https://aigeeksgroup.github.io/VaseVQA-3D

代码开源： https://github.com/AIGeeksGroup/VaseVQA-3D

数据集：https://huggingface.co/datasets/AIGeeksGroup/VaseVQA-3D

一键三连「点赞」「转发」「戒备心」

接待在辩驳区留住你的念念法！

—  完  —

咱们正在招聘又名眼疾手快、柔和 AI 的学术剪辑实习生  � �

感深嗜的小伙伴接待柔和 � �  了解确定

� � 点亮星标 � �

科技前沿进展逐日见开yun体育网