English(EN) Explainable Multimodal AI for Adaptive Calibration of Archaeological Sensing Workflows

新AI框架提升考古传感数据质量

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

研究人员开发了一个多模态机器学习框架，旨在提高考古传感工作流的校准和质量评估。该框架整合了来自摄影测量三维重建、高光谱成像、X射线荧光光谱和拉曼光谱的各种数据类型。通过分析几何、光谱和统计特性，该系统可以识别退化模式并解释采集问题，从而支持自适应采集策略并确保数据适用于下游分析。 AI

影响该框架可以提高考古研究中数据收集的可靠性和效率，可能带来更准确的历史重建。

排序理由该集群是一篇详细介绍特定应用领域新AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Nevio Dubbini, Daniel P. van Helden, Claudia Sciuto, Martina Naso, Arthur Leck, Clement Joubert, Heeli C. Schechter, Remy Chapoulie, Gabriele Gattiglia · 2026-08-04 04:00

Explainable Multimodal AI for Adaptive Calibration of Archaeological Sensing Workflows

arXiv:2608.00074v1 Announce Type: new Abstract: This paper presents a multimodal machine-learning framework for calibration monitoring, quality assessment, and adaptive acquisition support in archaeological digitisation workflows. The proposed approach operates across photogramme…