💻 computer science

Regional Style Recognition of Chinese Paper-Cutting Based on Deep Learning and Explainability Analysis

本文介绍了 CRPC-6 数据集，并通过深度学习与可解释性分析证明，中国剪纸的地域风格主要由独特的工艺技法而非主题语义所定义，且使用 ConvNeXt-Tiny 模型实现了 95% 的分类准确率。

原作者： Hanzi He, Hongming Yang, Zhijie Yang

发布于 2026-08-31

📖 1 分钟阅读☕ 轻松阅读

原作者： Hanzi He, Hongming Yang, Zhijie Yang

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

几个世纪以来，一项手艺的生存都取决于实践这项手艺的双手。当一位大师去世时，他们拿剪刀的具体方式或调配染料的方法往往随之消逝，留下的只有完成的作品。在非物质文化遗产的世界里，例如中国剪纸这一古老艺术，这种流失是一场无声的危机。尽管博物馆几十年来一直致力于将这些精美的艺术品数字化，创建了庞大的图像库，但数字记录往往缺乏关于“如何”制作作品的关键细节。一张照片可以展示一条红色的龙的剪影，但它无法告诉计算机，这条龙是用剪刀剪出来的、用刻刀雕刻出来的，还是用鲜艳的色彩染出来的。缺乏了这些知识，数字档案就只是一堆没有故事的图片集合，无法区分定义了这一传统的不同地域风格。

研究人员长期以来一直在思考，计算机是否能学会辨别这些地域风格，不仅是通过识别主题，而是通过理解工艺本身那看不见的“指纹”。问题在于，机器能否像人类专家那样，通过观察剪纸的纹理或色彩质量来识别其来源。这不仅仅是一项分类图像的任务；这是一次尝试，试图将活态传统中体现出的身体技能转化为计算机可以读取的语言。如果成功，这项技术可以帮助保护不同地区的特定技法，确保即使在传承者不在人世后，那些独特的剪、刻、染方法也不会随时间流逝而消失。

一个研究小组致力于解决这个问题，他们建立了一个专门的数字库，并教计算机像大师级匠人一样去观察。他们创建了一个名为 CRPC-6 的数据集，其中包含 2,411 幅来自六个不同国家传统的优质剪纸图像。这些地区跨度很大：从北方，艺术家通常使用剪刀剪出单色红纸；到南方，涉及雕刻、染色甚至贴金箔等复杂技法。研究人员从博物馆档案、出版书籍以及自己的实地考察中精心挑选了这些图像，确保每一张照片都经过人类专家的验证，是其特定地域风格的真实范例。随后，他们利用这个数据集训练了十四种不同的计算机模型，要求它们识别每件剪纸属于六个地区中的哪一个。

结果令人瞩目。计算机模型不仅是在猜测，它们还学会了识别区分不同地域的细微技法差异。其中一个专门关注局部纹理和图案的模型，实现了 95% 的成功率。这远优于旧方法，旧方法甚至难以达到 50% 的准确率。研究发现，计算机之所以成功，并不是通过识别剪纸中所描绘的花朵、动物或人物，而是通过分析艺术品本身的物理特征。该模型意识到，某一地区的剪纸可能具有特定的亮度或独特的边缘形成方式，而另一地区的剪纸则会有不同的色彩饱和度或独特的线条模式。

为了准确理解计算机是如何做出这些决策的，研究人员使用了一种工具，该工具可以突出显示模型观察最密切的图像部分。他们将这些视觉高亮转化为可测量的数据，检查诸如高亮区域的亮度、色彩饱和度以及边缘密度等指标。分析揭示了一个清晰的模式：计算机是根据制作这些作品所使用的工艺技法来区分地域的。例如，它注意到来自某一北方地区的剪纸始终颜色较深且色彩较少，反映了仅使用红纸和剪刀的传统。相比之下，来自某一南方地区的剪纸显示出高色彩饱和度，对应着染色纸张的传统。模型观察的不是图片讲述的故事，而是制作这张图片的过程的故事。

研究人员通过向计算机展示具有相同主题但来自不同地区、以及具有不同主题但来自同一地区的剪纸，进一步测试了这一想法。当主题改变但地区保持不变时，图像的“指纹”保持一致；当地区改变但主题保持不变时，指纹发生了剧烈变化。这证明了计算机确实是通过工艺技法而非主题来识别地域风格的。例如，模型可以分辨出两朵花之间的区别，仅仅是因为一朵是用刻刀雕刻的，而另一朵是用剪刀剪出来的，即便这两朵花看起来完全一样。

这一发现为保护和研究文化遗产提供了一种新途径。通过教计算机识别不同地域风格的特定“笔迹”，研究人员现在可以以以往无法实现的精度对海量文物进行分类。该系统可以标记与记录历史不符的项目，帮助博物馆修正其档案。它还可以为描述一种正在消逝的工艺的独特特征提供一种可量化的方式，在技法消失之前捕捉其精髓。研究结论指出，当深度学习在正确的问题引导下并接受过现实知识的检验时，它不仅能做到图像分类，还能帮助我们理解那些定义了人类共同历史的隐形技能。计算机已经学会了观察剪痕、色彩与工艺，从而保存了那双创造它们的手的记忆。

技术摘要：基于深度学习与可解释性分析的中国剪纸地域风格识别

问题陈述
中国剪纸作为联合国教科文组织认定的非物质文化遗产，展现出由工艺技法（剪、刻、染）、色彩方案和主题偏好所定义的鲜明地域风格。然而，目前的识别方法依赖于主观的专家鉴赏，而非定量分析。该领域存在一个显著空白：虽然数字化档案包含了大量的遗产图像，但缺乏对区分不同传统的特定工艺特征的可计算描述。此外，现有的剪纸计算研究受限于粗粒度的二元分类（如南北方之分）或主题分类，未能解决细粒度的地域辨析问题。至关重要的是，由于缺乏模型决策依据与文献记载的工艺知识之间的显式联系，深度学习模型缺乏获得遗产研究人员和传承人信任所需的透明度。

研究方法
本研究提出了一个包含数据集构建、模型基准测试和可解释性分析的统一框架：

数据集构建 (CRPC-6)： 作者构建了 CRPC-6，这是首个针对中国剪纸的多地域细粒度基准数据集。它包含 2,411 幅图像，代表了六个国家级非物质文化遗产传统：扬州、威县、安塞、吕山、中阳和佛山。该数据集平衡了地理覆盖范围、遗产等级和风格辨识度。图像来源包括博物馆档案、出版目录和实地考察，标签经领域专家验证。
模型基准测试： 在统一协议下，通过分层五折交叉验证对 14 种方法进行了评估。对比对象包括：
- 传统机器学习： LBP、HOG 和最近中心分类器（Nearest Centroid）。
- 深度架构： 经典 CNN（VGG-16、ResNet-50、DenseNet-121）、高效 CNN（EfficientNet、MobileNetV3）、现代架构（ConvNeXt-Tiny、Swin-Transformer-Tiny）以及大规模预训练模型（DINOv2、CLIP）。
- 训练协议： 所有深度模型均使用 ImageNet-1K 预训练权重，并替换为统一的输出头。数据增强包括几何变换和色彩抖动，并应用加权采样以解决类别不平衡问题（特别是针对较小的佛山子集）。
可解释性框架： 为了弥合模型预测与工艺知识之间的鸿沟，作者采用了 Grad-CAM++ 归因框架。
- 热力图从 ConvNeXt-Tiny 模型的最终阶段生成。
- 这些热力图被转化为五个可测量的定量描述符：激活区域比 ( $A_r$ )、边缘密度 ( $E_d$ )、色彩饱和度 ( $S$ )、平均亮度 ( $B$ ) 和空间离散度 ( $D$ )。
- 采用统计分析（Kruskal–Wallis 检验和带有 Bonferroni 校正的 Dunn 事后检验）来确定这些描述符是否在不同地域之间存在显著差异，从而验证“地域风格是由工艺技法而非题材内容所编码”的假设。
对照实验： 研究通过跨地域和跨主题实验，隔离了工艺技法与主题内容对模型注意力的影响。

关键结果

性能表现： ConvNeXt-Tiny 取得了最高性能，其 Macro-F1 分数达到 95.00% (±1.81%)，显著优于最佳传统基准模型 (50.2%) 以及大规模语义模型如 CLIP (89.7%) 和 DINOv2 (90.5%)。这表明对于细粒度的剪纸任务，局部纹理敏感性比大规模语义预训练更为关键。
误差分析： 误分类主要发生在生产技法相似的地域之间（例如，同属“剪染”技法的吕山与扬州），而非地理位置相近的地域。
可解释性发现：
- 所有五个归因描述符在六个地域之间均表现出显著差异 ( $p < .01$ ，效应量 $\eta^2$ 高达 0.607)。
- 亮度与饱和度 成为主要的判别维度，直接与纸张材质和染色技法相关。
- 特定工艺模式： 分析揭示了模型的注意力与特定工艺特征相一致：
  - 中阳关注线条/边缘。
  - 安塞关注单色结构（低饱和度）。
  - 佛山关注金箔纹理。
  - 威县尽管为彩色，但优先考虑刻绘轮廓而非染色填充。
  - 扬州表现出双模策略，同时利用剪纸与染色路径。
对照比较： 在保持主题不变而改变地域的实验中，描述符发生了显著偏移；而在保持地域不变而改变主题的实验中，边缘密度保持稳定。这证实了地域辨析是由工艺技法驱动的，而非主题语义。

意义与主张
本文声称解决了非物质文化遗产计算研究中的三个关键空白：

基准化： 提供了首个多地域、细粒度的中国剪纸数据集 (CRPC-6)，实现了超越简单的南北方二元区分的系统性评估。
架构洞察： 证明了紧凑型、局部纹理敏感的 CNN (ConvNeXt-Tiny) 在小样本、细粒度遗产任务中优于大规模语义模型，并通过统一的 14 种方法基准测试隔离了架构效应。
可解释性与信任： 引入了一个将模型注意力转化为可进行统计检验的描述符的“视觉指纹”框架。通过证明模型的决策与文献记载的工艺特征（如剪与刻、单色与染色）相吻合，本研究建立了一条从图像区域到工艺知识的可追溯链条。

作者总结道，该方法为由生产技法定义的地域传统领域的计算研究提供了方法论基础。结果表明，深度学习可以在保持可解释性并与专家知识对齐的同时，实现高精度的识别，这是 AI 被应用于保护实践的前提条件。文中还展示了一个实现该模型的 Web 系统，以证明其实际应用价值。

技术摘要：基于深度学习与可解释性分析的中国剪纸地域风格识别

类似论文