💻 computer science

Visual Transformation Mechanisms for Integrating Digital Cultural Heritage Resources into Junior High School Art Curricula

यह शोध पत्र एक मॉड्यूलर विजुअल ट्रांसफॉर्मेशन मॉडल प्रस्तुत करता है जो कंप्यूटर विजन और नियम-आधारित मिलान को एकीकृत करता है ताकि डिजिटल सांस्कृतिक विरासत संसाधनों, जैसे कि डुनहुआंग भित्ति चित्रों, को स्वचालित कला पाठ्यक्रम कार्यों और मूल्यांकनों में मानकीकृत किया जा सके, जो एक जूनियर हाई स्कूल परिवेश में छात्र शिक्षण परिणामों में महत्वपूर्ण सुधार और शिक्षक मूल्यांकन के साथ उच्च संरेखण प्रदर्शित करता है।

मूल लेखक: Ji Wu, Jing Zhang, Di Wu, Yiming Peng

प्रकाशित 2026-08-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ji Wu, Jing Zhang, Di Wu, Yiming Peng

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि एक ऐसी दुनिया जहाँ प्राचीन कला केवल संग्रहालय के कांच के बक्सों में बंद नहीं है, बल्कि वास्तव में जीवित, सांस लेती हुई और आपको चित्र बनाना सिखाने के लिए तैयार है। यह शोध पत्र कंप्यूटर विज़न (कंप्यूटर को इंसानों की तरह छवियों को "देखने" और समझने के लिए प्रशिक्षित करना) और डिजिटल सांस्कृतिक विरासत (पुरानी, नाजुक कहानियों और कला को सुरक्षित, डिजिटल फाइलों में बदलना) के मिलन बिंदु पर स्थित है। शोधकर्ता एक बड़ा सवाल पूछ रहे हैं: हम इतिहास की इन सुंदर, जटिल डिजिटल छवियों को मध्य विद्यालय के छात्रों के लिए मजेदार, करने योग्य कला परियोजनाओं में कैसे बदल सकते हैं? केवल एक तस्वीर दिखाना काफी नहीं है; कंप्यूटर को यह समझने की आवश्यकता है कि वह तस्वीर क्यों खास है ताकि वह छात्र को अपनी खुद की शैली में उस जादू को फिर से बनाने में मदद कर सके।

इस अध्ययन के लेखक, जो शीआन, चीन के शिक्षकों और शोधकर्ताओं की एक टीम है, ने इस समस्या को हल करने के लिए एक स्मार्ट "अनुवादक" बनाया है। वे प्राचीन कला को केवल नकल करने वाली चीज़ के रूप में देखना बंद करना चाहते थे और इसे रचनात्मकता की एक रेसिपी बुक (व्यंजन विधि पुस्तिका) के रूप में देखना चाहते थे। उन्होंने अपने विचार का परीक्षण डिजिटल डुनहुआंग का उपयोग करके किया, जो प्राचीन चीनी भित्ति चित्रों (उड़ते हुए देवदूतों और रंगीन पैटर्न के लिए प्रसिद्ध) का एक विशाल संग्रह है।

यहाँ उनका "जादुई यंत्र" चरण-दर-चरण काम करता है:

1. डिजिटल एक्स-रे (The Digital X-Ray)
सबसे पहले, कंप्यूटर एक भित्ति चित्र (mural) की डिजिटल फोटो लेता है और उसका गहरा स्कैन करता है। यह केवल सुंदर रंगों को ही नहीं देखता; यह छवि को पांच विशिष्ट "सामग्रियों" में तोड़ देता है:

रेखाएँ (Lines): आउटलाइन कितनी घनी और लयबद्ध हैं।
रंग (Colors): मुख्य रंग समूह (जैसे प्रसिद्ध खनिज लाल और हरे रंग)।
पैटर्न (Patterns): आकार कैसे दोहराए जाते हैं (जैसे वॉलपेपर डिज़ाइन)।
संरचना (Composition): चित्र में चीजों को कहाँ रखा गया है (क्या यह संतुलित है? क्या इसमें कोई केंद्र है?)।
मुद्रा (Pose): आकृतियों की दिशा और प्रवाह (जैसे उड़ते हुए देवदूत के लहराते रिबन)।

इसे इस तरह समझें जैसे एक शेफ एक जटिल, प्राचीन व्यंजन को लेकर उसके सटीक मसालों और बनावटों की सूची बनाता है, बजाय इसके कि वह छात्र को पूरा व्यंजन ही परोस दे।

2. स्मार्ट मैचमेकर (The Smart Matchmaker)
एक बार जब कंप्यूटर भित्ति चित्र की "सामग्री" जान लेता है, तो यह कला परियोजनाओं के लिए एक सुपर-स्मार्ट डेटिंग ऐप की तरह काम करता है। यह भित्ति चित्र की सामग्रियों की तुलना संभावित कला कार्यों की सूची से करता है।

यदि किसी भित्ति चित्र में बहुत सारी बहती हुई रेखाएँ और गतिशील मुद्राएँ हैं, तो कंप्यूटर "डायनेमिक लाइन्स निकालने" (Extracting Dynamic Lines) नामक कार्य का सुझाव देता है।
यदि किसी भित्ति चित्र में छत का दोहराव वाला पैटर्न है, तो यह "पैटर्न को पुनर्व्यवस्थित करने" (Rearranging Patterns) का सुझाव देता है।
यदि मिलान 75% या उससे अधिक सटीक है, तो कंप्यूटर कहता है, "यह रहा आपका असाइनमेंट!" यदि यह थोड़ा कम है (60% से 75% के बीच), तो यह मानव शिक्षक से इसे असाइन करने से पहले दोबारा जांच करने के लिए कहता है। यह सुनिश्चित करता है कि छात्र को वह चुनौती मिले जो उस कला के अनुकूल हो जिसे वह देख रहा है।

3. व्यक्तिगत कठिनाई डायल (The Personalized Difficulty Dial)
यह प्रणाली एक कोच की तरह भी है। यह देखती है कि छात्र ने अतीत में कैसा प्रदर्शन किया है और उसके आधार पर नए कार्य की कठिनाई को समायोजित करती है।

स्तर 1 (L1): केवल एक चीज़ पर ध्यान दें (जैसे एक एकल रंग)।
स्तर 2 (L2): एक शैली तत्व निकालें।
स्तर 3 (L3): रेखाओं और आकारों को पुनर्गठित करें।
स्तर 4 (L4): पुराने स्टाइल का उपयोग करके कुछ बिल्कुल नया बनाएं।
कंप्यूटर एक "कठिनाई स्कोर" की गणना करता है जो छवि की जटिलता और छात्र द्वारा उठाए जाने वाले चरणों की संख्या पर आधारित होता है, जिससे यह सुनिश्चित होता है कि कार्य न तो बहुत आसान हो और न ही बहुत कठिन।

4. एआई आर्ट क्रिटिक (The AI Art Critic)
छात्रों के अपना कला कार्य पूरा करने के बाद, कंप्यूटर उनका मूल्यांकन करता है। यह केवल एक पूर्ण नकल की तलाश नहीं करता; यह देखता है कि छात्र ने कुछ नया बनाने के लिए "सामग्रियों" का कितनी अच्छी तरह उपयोग किया है। यह जाँचता है:

क्या उन्होंने सांस्कृतिक तत्वों को पहचाना?
क्या उन्होंने दृश्य विशेषताओं को सही ढंग से निकाला?
क्या उन्होंने रूप (form) को रचनात्मक रूप से पुनर्गठित किया?
क्या विषय स्पष्ट है?
क्या कार्य पूर्ण है?

कंप्यूटर एक स्कोर देता है, और फिर एक मानव शिक्षक इसकी जाँच करता है। अध्ययन से पता चला कि कंप्यूटर और शिक्षक 86% बार सहमत हुए (0.86 का सहसंबंध), जिसमें औसत अंतर केवल 3.84 अंक था। यह बताता है कि कंप्यूटर एक अच्छा कला प्रोजेक्ट बनाने के लिए क्या आवश्यक है, इसे समझने में काफी सक्षम हो रहा है।

परिणाम: क्या यह काम आया?
टीम ने इस प्रणाली का परीक्षण 160 छात्रों के साथ चार कक्षाओं में छह सप्ताह तक किया। दो कक्षाओं ने इस हाई-टेक सिस्टम का उपयोग किया, जबकि अन्य दो कक्षाओं ने पारंपरिक तरीकों (चित्रों को देखना और शिक्षक की नकल करना) का उपयोग किया।

परिणाम स्पष्ट थे:

हाई-टेक सिस्टम का उपयोग करने वाले छात्रों ने पारंपरिक समूह की तुलना में दृश्य तत्वों को निकालने (13.2 अंक की वृद्धि) और रूपों को पुनर्गठित करने (14.1 अंक की वृद्धि) में बहुत अधिक सुधार किया।
पारंपरिक समूह ने केवल अपना काम पूरा करने में बेहतर प्रदर्शन किया, लेकिन वे प्राचीन शैलियों को तोड़ने और फिर से बनाने की प्रक्रिया को प्रभावी ढंग से नहीं सीख पाए।

मुख्य निष्कर्ष (The Bottom Line)
यह शोध पत्र दिखाता है कि हम प्राचीन डिजिटल कला को एक पुन: प्रयोज्य और दोहराने योग्य क्लासरूम वर्कफ़्लो में कैसे बदल सकते हैं। कंप्यूटर विज़न का उपयोग करके कला को तोड़ने और एआई का उपयोग करके इसे सही छात्र से जोड़ने के माध्यम से, हम किशोरों को केवल इतिहास की नकल करने के बजाय, इसके "डीएनए" को समझने और इसे अपने आधुनिक निर्माणों में रीमिक्स करने में मदद कर सकते हैं। लेखक सुझाव देते हैं कि हालांकि यह प्रणाली अच्छी तरह से काम करती है, लेकिन इसे विभिन्न प्रकार की कलाओं और अधिक स्थानों पर परीक्षण करने की आवश्यकता है ताकि देखा जा सके कि क्या यह हर जगह काम करती है। लेकिन फिलहाल, यह साबित करता है कि थोड़ा सा कोड बहुत अधिक रचनात्मकता में मदद कर सकता है।

तकनीकी सारांश: जूनियर हाई स्कूल कला पाठ्यक्रमों में डिजिटल सांस्कृतिक विरासत संसाधनों को एकीकृत करने के लिए दृश्य रूपांतरण तंत्र

समस्या विवरण
डिजिटल सांस्कृतिक विरासत (विशेष रूप से डिजिटल डुनहुआंग भित्ति चित्रों) को जूनियर हाई स्कूल कला पाठ्यक्रमों में एकीकृत करने में महत्वपूर्ण तकनीकी और शैक्षणिक अंतराल मौजूद हैं। मौजूदा अनुप्रयोगों में अक्सर मानकीकृत छवि प्रीप्रोसेसिंग, गणनीय विशेषता प्रतिनिधित्व (computable feature representations), स्वचालित कार्य पीढ़ी और डेटा-संचालित मूल्यांकन तंत्र की कमी होती है। फलस्वरूप, स्थिर विरासत छवियों को अनुकूलन योग्य, रचनात्मक शिक्षण कार्यों में प्रभावी ढंग से अनुवाद करने या छात्रों के परिणामों का निरंतर मूल्यांकन करने के लिए कोई पुन: प्रयोज्य, पुनरावृत्ति योग्य कम्प्यूटेशनल वर्कफ़्लो उपलब्ध नहीं है। वर्तमान शोध अक्सर विरासत पहचान, 3D पुनर्निर्माण, या छवि निर्माण को अलग-थलग रूप से संबोधित करता है, जो सांस्कृतिक छवि अपघटन और संरचित, मूल्यांकन योग्य कक्षा कार्यों के निर्माण के बीच के अंतर को पाटने में विफल रहता है।

कार्यप्रणाली
लेखक एक मॉड्यूलर विज़ुअल ट्रांसफॉर्मेशन फ्रेमवर्क प्रस्तावित करते हैं जो कंप्यूटर विज़न, नियम-आधारित मिलान और AI-सहायता प्राप्त स्कोरिंग को एकीकृत करता है। यह कार्यप्रणाली चार प्राथमिक चरणों के माध्यम से आगे बढ़ती है:

दृश्य विशेषता निष्कर्षण और मानकीकरण (Visual Feature Extraction and Standardization):
- प्रीप्रोसेसिंग: डिजिटल डुनहुआंग छवियों को 512x512 पिक्सेल में मानकीकृत किया जाता है और Lab कलर स्पेस में परिवर्तित किया जाता है। द्विपक्षीय फ़िल्टरिंग ( $d=5, \sigma_c=50, \sigma_s=50$ ) दरार वाले शोर (crack noise) को दबाती है, जबकि CLAHE (क्लिप लिमिट 2.0, टाइल साइज 8x8) कम-संतृप्ति वाले क्षेत्रों को बढ़ाता है।
- विशेषता वेक्टरकरण: एक फीचर वेक्टर $\mathbf{F}_i = [l_f, c_f, p_f, s_f, m_f]$ $F_{i} = [l_{f}, c_{f}, p_{f}, s_{f}, m_{f}]$ बनाने के लिए पांच दृश्य चैनलों को निकाला जाता है:
  - $l_f$ : रेखा-चित्र घनत्व (Canny)।
  - $c_f$ : प्रमुख रंग क्लस्टरिंग (K-means)।
  - $p_f$ : पैटर्न पुनरावृत्ति संरचना।
  - $s_f$ : संरचनात्मक स्थानिक पदानुक्रम (compositional spatial hierarchy)।
  - $m_f$ : आकृति की मुद्राएं और बहते हुए पटके (sash) के दिशा वेक्टर।
- इन तत्वों (रेखाएं, रंग, पैटर्न, संरचना, गतिशील मुद्राएं) को सीधे नकल करने वाली वस्तुओं के बजाय हस्तांतरणीय घटकों के रूप में माना जाता है।
इमेज-टू-टास्क मैपिंग और जनरेशन (Image-to-Task Mapping and Generation):
- मिलान (Matching): सिस्टम छवि विशेषता वेक्टर ( $\mathbf{F}$ ) और एक पाठ्यक्रम कार्य वेक्टर ( $\mathbf{T}$ ) के बीच कोसाइन समानता (cosine similarity) की गणना करता है। यदि मिलान स्कोर $M_{ij} \geq 0.75$ है, तो छवि को स्वचालित रूप से आवंटित किया जाता है; 0.60 और 0.75 के बीच के स्कोर के लिए शिक्षक के पुष्टिकरण की आवश्यकता होती है।
- कार्य पीढ़ी (Task Generation): एक नियम-इंजन छवि विशेषताओं के आधार पर कार्य सौंपता है (जैसे, उच्च रेखा घनत्व "गतिशील रेखाओं का निष्कर्षण" से मैप होता है; उच्च रंग अंतर "रंग पुनर्रचना" से मैप होता है)।
- विभेदीकरण (Differentiation): कार्यों को पूर्व-परीक्षण स्कोर और दृश्य साक्षरता परीक्षणों से प्राप्त छात्र क्षमता स्तरों ( $G_s$ ) के आधार पर बुनियादी (Basic), उन्नत (Advanced) और ओपन (Open) श्रेणियों में वर्गीकृत किया जाता है। एल्गोरिथम की संकीर्णता को रोकने के लिए सिस्टम "टॉप 3 कैंडिडेट स्ट्रैटेजी" का उपयोग करता है ताकि शिक्षक चयन कर सकें।
कठिनाई ग्रेडिंग और अनुकूलन (Difficulty Grading and Optimization):
- कार्यों को चार कठिनाई स्तरों (L1–L4) में वर्गीकृत किया जाता है, जो छवि जटिलता ( $C$ ), परिचालन चरण ( $P$ ), कार्य की खुलापन ( $O$ ), छात्र पूर्णता दर ( $R$ ), और कार्य-विशेषता विचलन ( $E$ ) को शामिल करने वाले एक भारित सूत्र ( $D_j$ ) पर आधारित है।
- सिस्टम मॉडल मापदंडों को अपडेट करने और आगामी पुनरावृत्तियों के लिए उपयुक्त कठिनाई स्तरों की सिफारिश करने के लिए फीडबैक लूप का उपयोग करता है।
AI-सहायता प्राप्त मूल्यांकन (AI-Assisted Evaluation):
- छात्र कार्य एन्कोडिंग: छात्र की कलाकृतियों को परिप्रेक्ष्य सुधार (perspective correction) के माध्यम से संसाधित किया जाता है और 512x512 तक संकुचित किया जाता है। Canny, Lab कलर विश्लेषण और पैटर्न पुनरावृत्ति ऑपरेटरों का उपयोग करके विशेषताएं निकाली जाती हैं। CLIP-ViT-B/16 (प्रोजेक्शन हेड्स के साथ फाइन-ट्यून किया गया) का उपयोग करके डीप एम्बेडिंग्स उत्पन्न की जाती हैं।
- स्कोरिंग मॉडल: एक संलयित प्रतिनिधित्व (Fused representation - ConvNeXt-Tiny और CLIP) दो-परत वाले MLP के माध्यम से गुजरता है जो पांच आयामों में स्कोर उत्पन्न करता है: सांस्कृतिक तत्व पहचान, दृश्य तत्व निष्कर्षण, औपचारिक पुनर्गठन, विषयगत अभिव्यक्ति और कार्य पूर्णता।
- भार (Weights): बैकवर्ड कैलिब्रेशन और क्रॉस-वैलिडेशन के माध्यम से निर्धारित किए जाते हैं, जिसमें "दृश्य तत्व निष्कर्षण" (0.24) और "औपचारिक पुनर्गठन" (0.22) का भार सबसे अधिक है।

प्रमुख योगदान

मॉड्यूलर फ्रेमवर्क: यह पेपर एक क्लोज्ड-लूप कंप्यूटर एप्लिकेशन तंत्र प्रस्तुत करता है जो विरासत छवि अपघटन से कार्य पीढ़ी, छात्र मूल्यांकन और पुनरावृत्ति अनुकूलन तक के रूपांतरण को संचालित करता है।
मानकीकृत फीचर वेक्टर: यह एक विशिष्ट पांच-चैनल दृश्य विशेषता वेक्टर को परिभाषित करता है जो सांस्कृतिक छवियों को पाठ्यक्रम उद्देश्यों के साथ कम्प्यूटेशनल रूप से मिलान करने की अनुमति देता है।
AI-मानव हाइब्रिड मूल्यांकन: यह अध्ययन एक ऐसा मूल्यांकन तंत्र पेश करता है जहाँ AI स्कोरिंग शिक्षक ग्रेडिंग के साथ सह-संबंधित है, जो एक भारित मीट्रिक सिस्टम का उपयोग करता है जो केवल प्रतीक पहचान के बजाय संरचनात्मक रूपांतरण को प्राथमिकता देता है।
अनुकूली कार्य पीढ़ी: सिस्टम वास्तविक समय में छात्र क्षमता प्रोफाइल और छवि जटिलता के आधार पर विभेदित शिक्षण कार्य (बुनियादी, उन्नत, ओपन) उत्पन्न करता है।

प्रायोगिक परिणाम
इस फ्रेमवर्क को चार जूनियर हाई स्कूल कक्षाओं (दो प्रयोगात्मक, दो नियंत्रण) के 160 छात्रों वाले छह सप्ताह के अध्ययन में मान्य किया गया।

प्रदर्शन लाभ: प्रयोगात्मक समूह ने नियंत्रण समूह की तुलना में निम्नलिखित में महत्वपूर्ण सुधार दिखाया:
- दृश्य तत्व निष्कर्षण दर (+13.2 बनाम +5.3)।
- औपचारिक पुनर्गठन की डिग्री (+14.1 बनाम +5.9)।
- सांस्कृतिक तत्व पहचान (+11.2 बनाम +5.3)।
मूल्यांकन निरंतरता: AI स्कोरिंग सिस्टम ने शिक्षक स्कोर के साथ 0.86 का पियर्सन सहसंबंध गुणांक (Pearson correlation coefficient) प्रदर्शित किया, जिसका माध्य पूर्ण त्रुटि (MAE) 3.84 था।
त्रुटि विश्लेषण: विसंगतियां (त्रुटि > 8 अंक) मुख्य रूप से उन कार्यों में देखी गईं जिनमें स्पष्ट विषय तो थे लेकिन सांस्कृतिक तत्व कमजोर थे, जो यह दर्शाता है कि मॉडल विशेषता समानता और संरचनात्मक पूर्णता को प्राथमिकता देता है, जबकि शिक्षक रूपक और भावनात्मक इरादे को अधिक महत्व देते हैं।

महत्व और दावे
यह पेपर दावा करता है कि यह फ्रेमवर्क डिजिटल विरासत संसाधनों और पुन: प्रयोज्य कक्षा वर्कफ़्लो के बीच के अंतर को सफलतापूर्वक संबोधित करता है। भित्ति रेखाओं, रंगों और मुद्राओं को संरचित फीचर वेक्टर्स में बदलकर, सिस्टम सांस्कृतिक छवियों को संसाधित करने, संग्रहीत करने और रचनात्मक कार्यों में पुनरावृत्ति से बदलने में सक्षम बनाता है। लेखक तर्क देते हैं कि शैक्षिक मूल्य केवल छवियों को देखने में नहीं, बल्कि विखंडन, अनुवाद और पुन: सृजन की प्रक्रिया में निहित है।

हालाँकि, लेखक अपने दावों के दायरे के संबंध में एक विनम्र रुख बनाए रखते हैं। वे नमूना आकार, विरासत की विशिष्ट श्रेणी (डुनहुआंग भित्ति चित्र), ग्रेड कवरेज और कंप्यूटिंग वातावरण में सीमाओं को स्वीकार करते हैं। वे कहते हैं कि एप्लिकेशन स्थिरता, स्थानांतरण प्रदर्शन और सामान्यीकरण के लिए व्यापक क्रॉस-क्षेत्रीय सत्यापन की आवश्यकता है। भविष्य के कार्य के रूप में डेटासेट का विस्तार करने, मल्टीमॉडल फ्यूजन को अनुकूलित करने और स्केलेबल सॉफ्टवेयर अनुप्रयोगों में अमूर्त विरासत और स्थानीय संसाधनों को शामिल करने का प्रस्ताव दिया गया है।

इसी तरह के और पेपर