近年、美術品保存の分野では非破壊画像技術への依存が高まっています。巨視的蛍光 X 線 (MA-XRF) 分析テクノロジーは、研究者に絵画の顔料や技法を分析する効果的な手段を提供する強力なツールですが、生成される膨大なデータは新たな課題ももたらします。 Downcodes の編集者が、深層学習テクノロジーを使用して従来の MA-XRF データ分析のボトルネックを突破する研究を紹介します。
近年、非破壊イメージング技術は絵画の研究と保護の分野で急速な発展を遂げており、巨視的蛍光 X 線 (MA-XRF) 分析技術はそのリーダーの 1 つとして、専門家が顔料を特定し、塗装技術を分析するのに役立ちます。 、アーティストの創作プロセスをより深く理解することにより、貴重な情報が得られます。ただし、MA-XRF テクノロジーは大規模で複雑なデータ セットを生成するため、従来のデータ分析方法に課題をもたらします。
最近、イタリアの研究者らは深層学習アルゴリズムを MA-XRF データセットのスペクトル分析に適用し、一連の新しい分析方法を開発しました。この方法では、モンテカルロ シミュレーションによって生成された 500,000 を超える合成スペクトルを使用して深層学習アルゴリズムをトレーニングし、MA-XRF データ セット内の XRF スペクトルを迅速かつ正確に分析できるため、従来のデコンボリューション手法の制限を克服できます。
新しい手法の精度と適用性を検証するために、研究者らはイタリアのカポディモンテ美術館に展示されている２枚のラファエロの絵画「父なる神」と「聖母マリア」にそれを適用した。この結果は、深層学習モデルが蛍光線強度をより正確に定量化できるだけでなく、従来の分析方法によって生成されたアーティファクトを効果的に排除し、より明確な元素分布マップを生成できることを示しています。
従来のデコンボリューションアルゴリズムとの比較分析を通じて、研究者らは、新しい方法はカウント数が少なく信号対雑音比が低い元素ラインを処理する場合に優れたパフォーマンスを発揮し、XRF スペクトル内の重複する蛍光ラインをより正確に分離できることを発見しました。より正確に色素を識別します。たとえば、新しい方法では、エネルギーが似ている鉄（Fe）とマンガン（Mn）元素、鉛（Pb）と硫黄（S）元素を正確に区別できるため、従来の方法で起こりやすい誤った判断を回避できます。
この研究結果は、アートワーク分析分野における人工知能技術の大きな進歩を示し、特に MA-XRF イメージング技術によって生成された大規模なデータセットを処理するための、XRF スペクトルのより正確かつ効率的な分析のための新しいアイデアを提供します。研究者らは将来的に、絵画の断層構造の推定や、異なる機器で得られたスペクトルデータの比較など、この手法の応用範囲をさらに拡大する予定だ。
論文アドレス: https://www.science.org/doi/10.1126/sciadv.adp6234
この研究は、アートワーク分析の分野におけるディープラーニングの大きな可能性を十分に実証しており、アートの保護と研究のための新しい技術的手段を提供するものであり、Downcodesの編集者は、将来的にアート分野でより多くの人工知能技術が使用されることを期待しています。芸術研究のさらなる発展。