51大赛

近日，51大赛 张彦波教授团队在AI赋能文字文化研究的深化发展领域取得新突破，研究成果“Scribe identification for Tang Dynasty Changsha Kiln poetic ceramics via dual-path multi-scale global attention model”和“Tsinghua bamboo slip scribe verification using Siamese networks”发表于npj Heritage Science期刊。

研究背景：AI赋能文化遗产研究的新路径

随着深度学习技术的快速发展，人工智能在文化遗产保护与研究领域的应用日益深入。古代手写文献的书手是文字文化的重要参与者与传播者，针对书手的身份识别问题，既是考古学、古文字学研究的关键课题，也是计算机视觉领域的重要挑战。传统的专家目鉴方法高度依赖主观经验，难以形成标准化判别标准。如何利用深度学习技术实现古代书手的自动识别与归因，成为文化遗产研究领域亟待突破的前沿问题。

研究成果一：唐代长沙铜官窑的瓷器书手识别

唐代长沙铜官窑的瓷器是诗瓷结合的典范，针对唐代长沙窑陶瓷诗句的书手识别这一长期未解难题，研究团队创新性地提出双路径多尺度全局注意力（MSGA）模型，通过多尺度特征融合与全局上下文建模，显著增强了模型对复杂书法图像的局部细节与全局结构特征的感知能力。实验结果表明，该模型识别精度达到97.85%，显著优于非局部注意力基线模型的93.75%。将模型应用于博物馆藏品分析后，成功发现分别收藏于两家不同文博机构的陶瓷器的诗句，其书法风格高度相似，出自同一书手，这一发现此前未被传统研究方法所识别。

研究成果二：简牍书手验证

针对战国时期简牍写手身份识别问题，研究团队基于孪生网络框架，提出了改进的MobileNet_V3+特征提取网络，融合Squeeze-and-Excitation注意力机制，有效提升了模型对细微笔法特征的捕捉能力。通过数据增强策略平衡样本分布，模型验证准确率达到90.2%，ROC曲线下面积（AUC）达0.96。将该模型应用于学术界存在争议的清华简《祭公》《厚父》《摄命》三篇文献的书手判断，研究结果支持这三篇竹简由同一书手抄写的观点，并将其与“殷治”系列合并，形成共计15篇的“殷治”系列文献。此外，模型对《治政》《治邦》等文献书手的判别，为简牍书手识别提供了新的量化分析依据。

两项研究成果系统展示了深度学习技术在文化遗产研究中的巨大潜力。通过构建高质量数据集与优化的网络模型，研究团队为古代文献书手识别提供了可量化的分析框架。此次研究为唐代长沙窑陶瓷研究者与简牍文献研究者提供了新的分析工具，也为AI与文化遗产交叉研究领域的发展探索了另外一条可行路径。

论文链接：

[1] //www.nature.com/articles/s40494-025-02152-5

[2] //www.nature.com/articles/s40494-026-02416-8