PBDWNet：周波数領域の融合と変形特徴認識に基づく多スケール磁器表面気泡セグメンテーションネットワーク

古い磁器に隠された手がかり

考古学者が古い磁器の破片を発掘するとき、彼らが実際に見つけているのは小さなタイムカプセルのようなものです。各破片のガラス状の釉薬の内部には、製作過程や産地を静かに記録する微小な気泡が閉じ込められています。しかし、その気泡を読み取ることは人間の目にも、通常のコンピュータプログラムにも非常に困難です。本研究は、これらの微小な気泡を高精度で検出・追跡するよう設計された専用の人工知能システム、PBDWNetを紹介し、遺物の年代推定、分類、理解に新しい道を開きます。

なぜ微小な気泡が重要なのか

磁器は単なる美しい食器ではなく、中国文明やその世界的な交易の物質的記録でもあります。破片の伝統的な解析は、形状、色、装飾などの目に見える特徴に頼るため、長年の専門的経験を必要とします。しかし多くの発掘品では、断片が小さく摩耗していたり外観が類似していたりして、産地や年代の識別が困難です。釉薬内部の微細な気泡は客観的な代替手がかりを提供します。気泡の大きさ、形状、密度、空間的配置は、使用された原料、焼成温度、釉薬の厚さ、窯内の雰囲気に応じて変化します。これらのパターンを注意深く測定することで、断片の起源や製造技術を判定するための「微視的な指紋」を構築できます。

見えないものを見つける難しさ

これらの釉薬気泡は情報に富んでいる一方で、検出が非常に難しいという課題があります。顕微鏡下では気泡は極めて小さく、コントラストが低く、しばしばノイズやテクスチャのある背景に溶け込んでしまいます。単純なしきい値処理やエッジ検出、形状演算といった古典的な画像処理手法は、輪郭を壊したり背景模様と混同したり、最小の気泡を見逃したりしがちです。日常写真で優れた性能を示す現代の深層学習システムでさえ、複雑な磁器表面上の微弱で不規則な構造に特化していないため苦戦します。微細なディテールを失いがちで、微妙な境界を無視し、釉薬の反射や粗いテクスチャに気を取られてしまうことが多いのです。

気泡検出のために設計された三経路ネットワーク

PBDWNetは、各画像を三つの協調した経路で処理することでこれらの困難に対処するよう設計されたカスタムニューラルネットワークです。メイン経路は実績ある深層アーキテクチャに基づき、生の顕微鏡画像を比較的高い解像度を保ちながら豊かな内部表現へと段階的に変換します。その上に「変形特徴認識」ブランチを追加しており、ネットワークが実際の気泡の不規則な形状に合わせてサンプリング格子を曲げられるようにしています。剛直な正方形ウィンドウで見る代わりに、輪郭に沿って伸縮・シフトして気泡が実際にある位置により正確に焦点を合わせられます。

並行して、「ウェーブレット」ブランチが画像を低周波成分と高周波成分に分解します。これは大まかな構造と鋭いエッジに相当し、この周波数ベースの視点によりモデルは釉薬の全体構造を保持しつつ、薄い気泡の縁や他の微細なテクスチャを強調し、気泡らしくないノイズを抑制できます。注意深く設計された融合ステップで三経路からの情報を再結合することで、全体的文脈、詳細な形状、クリーンなエッジが互いに補強し合い、競合することがありません。ネットワークは二重出力の設定で訓練され、中間層と最終予測の両方が画素レベルで正確になるよう導かれます。

手法の実地検証

PBDWNetを評価するために、研究者らは西北大学で収集・専門家が注釈を付けた高倍率顕微鏡画像の専用データセットを使用しました。このデータセット（PRMIと呼ばれる）は、さまざまな気泡の大きさ、密度、表面外観を網羅しています。チームは自らのモデルを、コンピュータビジョンで広く使われる10種類の代表的なセグメンテーションシステムと比較しました。予測された気泡形状と人手で描かれた輪郭との精度や重なりを示す標準的指標のすべてにおいて、PBDWNetは一貫して上位となり、全体のF1スコアと気泡・背景それぞれのIoU（交差比）で最高値を達成しました。可視化による比較では、小さな気泡を保持し、隣接する気泡をきれいに分離し、エッジがぼやけている場合でも周囲の釉薬へ“にじむ”ことを避けていることが示されました。

文化遺産分野への意義

専門外の人にとって重要な結論は、この研究が磁器釉薬に潜む見えないパターンを信頼できる測定可能な手がかりに変えたことです。微視的な気泡を精密に追跡することで、PBDWNetは各磁器断片を製造法、産地、技術的成熟度についてより客観的に推定可能なデータ豊富な対象へと変換します。現行のシステムは依然として注意深くラベル付けされた訓練データを必要とし、非常に異なる照明や素材には適応が必要な場合がありますが、それでも特化したAIツールが文化財理解を深める可能性を示しています。実務的には、この技術はより正確な年代測定、産地研究、さらには真正性の検証を支援し、考古学や博物館業務の科学的基盤を強化する助けとなり得ます。

引用: Xing, J., Zhang, R., Liu, Y. et al. PBDWNet: a multi-scale porcelain surface bubble segmentation network based on frequency-domain fusion and deformable feature awareness. npj Herit. Sci. 14, 260 (2026). https://doi.org/10.1038/s40494-026-02440-8

キーワード: 磁器の釉薬気泡, 文化遺産イメージング, セマンティックセグメンテーション, 顕微鏡解析, 考古学的産地推定