再照明を越えて：深層学習を用いた断片化遺産繊維のクラスタリングのためのRTI

過去をつなぎ合わせる

考古学的に出土する繊維は、完成した衣服やタペストリーではなく、しばしば小さく崩れた断片として現れます。それでもこうしたもろい糸くずは、人々がどのように着飾り、布にどんな物語を織り込み、技術や交易がどれほど進んでいたかを示す手がかりになります。本稿は、特別な照明法と現代的な画像解析を組み合わせ、どの断片がかつて同じ物だった可能性があるかを提案することで、学芸員や考古学者の断片の仕分け・グルーピングを支援する新しいコンピュータ支援手法を紹介します。

多方向から光を当てる

本研究の中心は、反射率変換イメージング（Reflectance Transformation Imaging、RTI）と呼ばれる撮像法です。繊維を一枚の写真で撮る代わりに、制御されたドーム内で多数の方向から光を当てながら何十枚もの画像を取得します。これにより完全な3Dモデルは得られませんが、表面が光をどのように反射するかが記録され、小さな隆起や繊維、摩耗箇所など、通常のカラー写真では見えにくい情報が明らかになります。従来の写真と比べて、RTIはテクスチャや表面状態に関する情報が格段に豊富であり、対象物に触れたり損傷を与えたりすることなく得られる点も重要です。

光を数値に変える

この豊富なデータを利用するために、著者らはまず各RTIセットを、繊維表面の照明に依存しない全体的な見え方を表す簡潔な画像に圧縮します。彼らは半球調和関数（hemispherical harmonics）と呼ばれる数理手法を用いて、布の各点がさまざまな方向からの光にどう応答するかを記述します。この記述の基底成分だけを残すことで、影や光沢の強調を抑えつつ繊維の安定した色や拡散反射を捉えた画像を得ます。これは、位置や照明のわずかな変化で解析が惑わされやすい古く不均一な断片では特に重要です。

布を見分けるようにコンピュータを教える

つぎに、処理したRTI画像を数百万枚の一般写真で事前学習された深層学習モデルに入力します。このモデルはResNet-50として知られ、考古学専用に作られたものではありませんが、その初期層は線、質感、形といったパターンを見つけるのに優れています。各断片について、モデルは織り目構造、装飾、色の分布、損傷の兆候など、布の視覚的特徴を要約した長い数値列（特徴ベクトル）を生成します。この記述は非常に詳細であり、2000次元以上の空間に存在するため、人間が直接読み取るのは困難です。

混沌の中のクラスターを視る

この複雑な記述を考古学者が使える形に変えるため、研究者らは次元削減手法を適用して高次元特徴を2次元のマップに圧縮します。このマップ上では、表面性状が似た断片は互いに近く配置され、異なるものは離れて配置される傾向があります。ついでk-meansやスペクトルクラスタリングなどの標準的なクラスタリング手法を用いて、関連していそうな断片群を自動的にグループ化します。手法は2つの繊維コレクションで検証されています：散在する断片としてのみ残る有名なヴァイキング時代のオーセベルグ（Oseberg）埋葬繊維と、元の完全な旗が既知でデジタル的に切り分けられたポーランドのドラグーン（Dragoon）旗のコントロールコレクションです。

通常の写真を上回る成果

同じ断片を単一の適切に照明されたカラ―写真で解析した結果とRTIベースの結果を比較すると、RTIの方がより明瞭で一貫したグルーピングを与えることが示されました。元の同一繊維の分割片はRTI特徴空間では互いに近く配置され、コントロール旗の既知のセットはきつく別個のクラスターを形成します。RTIフレームワークは単純な「画像検索」タスクにも対応しており、1つの断片を与えると最も一致しそうな他の断片を提示でき、専門家が大量のコレクションを手作業で仕分ける労力を大幅に削減する可能性があります。

歴史再構築への意義

平たく言えば、この研究は、繊維に多方向から光を当て、その結果生じるパターンを深層学習で解析することで、糸の太さ、織り方、摩耗、薄い模様といった、専門家が手がかりとしている微妙な特徴をコンピュータが「察知」するのに役立つことを実証しています。現時点でこの手法が単独で完全な衣服を再構築するわけではなく、多くの考古学的出土品について確固たる正解が不足しているという制約はありますが、同一の元来物に属する可能性の高い断片を絞り込むための強力で非破壊的な手段を提供します。こうしたツールは時間をかけて、博物館や考古学者が乱雑な古布の山を、より完全で信頼できる歴史叙述へと変えていく助けとなるでしょう。

引用: Khawaja, M.A., Gigilashvili, D., Łojewski, T. et al. Beyond relighting: RTI for clustering fragmented heritage textiles using deep learning. npj Herit. Sci. 14, 95 (2026). https://doi.org/10.1038/s40494-026-02326-9

キーワード: 考古学的繊維, 反射率変換イメージング, 深層学習, 文化遺産の復元, 画像クラスタリング