咫尺 AI 皆懂文物懂历史了开云kaiyun。

一项来自北京大学的最新征询激勉缓和：他们推出了世界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说话模子VaseVLM。

这意味着，AI 正在从"识图机器"迈向"文化考古 Agent "。

传统视觉说话模子（VLM）如 GPT-4V、Gemini 等，擅长样式平素图像，在怒放域视觉意会方面恶果权臣，但在濒临文化遗产类复杂对象时——它们实在"芒然自失"。受限于西宾数据的限度覆盖和语义建模智商，其对复杂纹饰、器形及文化配景的意会仍存在赫然不及。

为什么？因为短缺高质料、结构化的专科数据。

这次，北大牵头团队带来了打破性惩办有盘算。

AI 初次"看懂"古希腊陶罐

以往的视觉说话模子（VLM）如 CLIP、LLaVA、GPT-4V 等，诚然能识别平素图片，却在文化遗产这类专科限度失灵。

北大团队指出：" AI 能认猫狗，却认不出陶罐的期间、格调与技法。"

于是他们构建了一个弘远的新基座 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：去掉暧昧与破败图像；

CLIP 语义过滤：识别"碎屑"与"完好意思器物"；

多视角选优：自动挑选最好视角图像。三谈筛选，留住 3880 张高质料的；

再用 TripoSG 工夫把这些 2D 图转成 664 个高保的确 GLB 模子（像的确陶器相似能看前后险峻）；

临了还通过 GPT-4o 生成问答与增强样式，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 模子写了贯注证明。

为了保证 3D 模子质料，罕见挑了 24 个高质料 3D 陶器当尺度样板，用来检会生成的 3D 模子好不好。

追念下来等于：

664 个高保真 3D 古希腊陶罐模子（GLB 步伐）

4460 条考古问答数据

完好意思的 2D → 3D 生成与质检进程

涵盖陶罐六大中枢属性：材质、工艺、形制、年代、隐蔽、包摄

VaseVLM：懂考古的视觉说话大模子

有了数据，团队进一步西宾了专用模子 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 + 考古样式西宾基础识别智商

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 会每个维度笔据恢复获得奖励。

这种"可考证奖励机制"让模子的恢复更专科、更逼近学术尺度。

RLVR 奖励机制：AI 像考古学家相似分维度分析陶罐特征

在多项 Vase-3D 视觉问答任务上，VaseVLM 的阐发大幅卓绝现存模子。

比拟最强基线模子，VaseVLM 在 R@1 准确率普及 12.8%；词汇相似度普及 6.6%；内行东谈主工评分平均达 4.57/5（10 位考古内行评分）。

VaseVLM 生成的样式更当然、学术准确，权臣优于通用大模子。

改日，该阵势权谋拓展到更多文化遗产限度，并开导更完善的数字遗产展示体式，为数字考古提供全新工夫旅途。

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」「防卫心」

接待在评述区留住你的思法！

—  完  —

咱们正在招聘又名眼疾手快、缓和 AI 的学术裁剪实习生  � �

感兴致的小伙伴接待缓和 � �  了解笃定

� � 点亮星标 � �

科技前沿进展逐日见开云kaiyun