최근 몇 년 동안 미술품 보존 분야에서는 비파괴 이미징 기술에 점점 더 의존해 왔습니다. MA-XRF(거시적 X선 형광) 분석 기술은 연구자들에게 페인팅 안료와 기술을 분석하는 효과적인 수단을 제공하는 강력한 도구이지만, 이로 인해 생성되는 방대한 데이터는 새로운 과제도 안겨줍니다. Downcodes의 편집자는 딥 러닝 기술을 사용하여 기존 MA-XRF 데이터 분석의 병목 현상을 극복하는 연구를 소개합니다.
최근 몇 년 동안 비파괴 이미징 기술은 페인팅 연구 및 보호 분야에서 급속한 발전을 이루었습니다. MA-XRF(거시적 X선 형광) 분석 기술은 선두주자 중 하나로 전문가가 안료를 식별하고 페인팅 기술을 분석하는 데 도움을 줄 수 있습니다. , 아티스트의 창작 과정에 대한 더 나은 이해를 제공하여 귀중한 정보를 제공합니다. 그러나 MA-XRF 기술은 크고 복잡한 데이터 세트를 생성하므로 기존 데이터 분석 방법에 어려움을 겪습니다.
최근 이탈리아 연구자들은 MA-XRF 데이터 세트의 스펙트럼 분석에 딥 러닝 알고리즘을 적용하고 새로운 분석 방법 세트를 개발했습니다. 이 방법은 Monte Carlo 시뮬레이션에서 생성된 500,000개 이상의 합성 스펙트럼을 사용하여 딥 러닝 알고리즘을 훈련하고 MA-XRF 데이터 세트의 XRF 스펙트럼을 빠르고 정확하게 분석하여 기존 디콘볼루션 방법의 한계를 극복할 수 있습니다.
새로운 방법의 정확성과 적용 가능성을 검증하기 위해 연구진은 이 방법을 이탈리아 카포디몬테 박물관에 전시된 두 개의 라파엘 그림인 "아버지 하나님"과 "성모 마리아"에 적용했습니다. 결과는 딥 러닝 모델이 형광선 강도를 보다 정확하게 정량화할 수 있을 뿐만 아니라 기존 분석 방법으로 생성된 아티팩트를 효과적으로 제거하고 보다 명확한 원소 분포 맵을 생성할 수 있음을 보여줍니다.
연구진은 기존 디콘볼루션 알고리즘과의 비교 분석을 통해 새로운 방법이 적은 수와 낮은 신호 대 잡음비의 요소 라인을 처리할 때 더 나은 성능을 발휘하고 XRF 스펙트럼에서 겹치는 형광 라인을 보다 정확하게 분리할 수 있음을 확인했습니다. 더욱 정확하게 색소를 식별합니다. 예를 들어, 새로운 방법은 에너지가 유사한 철(Fe)과 망간(Mn) 원소는 물론 납(Pb)과 황(S) 원소도 정확하게 구별할 수 있어 기존 방법에서 쉽게 발생하는 오판을 방지할 수 있습니다.
이 연구 결과는 미술품 분석 분야에서 인공 지능 기술의 큰 발전을 의미하며, 특히 MA-XRF 이미징 기술로 생성된 대규모 데이터 세트를 처리할 때 XRF 스펙트럼을 보다 정확하고 효율적으로 분석하기 위한 새로운 아이디어를 제공합니다. 앞으로 연구원들은 그림의 단층 구조를 추론하거나 다른 장비에서 얻은 스펙트럼 데이터를 비교하는 등 이 방법의 적용 범위를 더욱 확장할 계획입니다.
논문 주소: https://www.science.org/doi/10.1126/sciadv.adp6234
이 연구는 미술품 분석 분야에서 딥 러닝의 큰 잠재력을 충분히 보여주며, 미술품 보호 및 연구를 위한 새로운 기술적 수단을 제공합니다. Downcodes의 편집자는 앞으로 미술 분야에서 더 많은 인공지능 기술이 활용되어 이를 촉진할 수 있기를 기대합니다. 예술 연구의 발전.