3D兵馬俑断片の分類のための残差マンバ点群フレームワーク

壊れた像がなお重要である理由

兵馬俑は世界で最も象徴的な考古学的発見の一つですが、多くの等身大の粘土兵は現在、散逸した断片としてしか残っていません。それらを元に戻すことは、数千の欠損や誤誘導のあるピースを抱えた三次元ジグソーパズルに取り組むようなものです。本研究は、断片の詳細な3Dスキャンを直接解析して体の部位ごとに分類する新しい人工知能手法を紹介し、デジタル復元を加速し、保存修復担当者が元の像の構築方法を理解する手がかりを提供することを目指します。

散らばった破片からデジタル点へ

現代のスキャナは、各断片の形状を「点群」として捉えることができます――粘土表面の凹凸、曲線、破断縁をなぞる数百万の微小な点です。これらの生の3D点群は写真よりもはるかに多くのディテールを保持しますが、コンピュータにとっては解釈が難しくもあります。従来の手法はデータを単純化することを試み、2D画像に切り取ったり3Dグリッドに詰めたりしました。どちらの近道も計算を容易にしましたが、腕片と脚片を見分けるときに重要な微細な表面構造の一部をぼかしてしまいました。

コンピュータに細部を読み取らせる

研究者らは、点群を平坦化したり粗くしたりせずにそのまま扱う新しいシステムPointRMを設計しました。まず、この手法はサンプリングと近傍探索を用いて断片の点群を多数の小さな近傍領域に分割します。各近傍内では、点の正確な空間座標と局所形状を要約する学習された「特徴」値を組み合わせます。特化したモジュールがこれらの幾何学的情報と外観情報を融合し、袖の端や膝の曲がりのような微妙な曲線や稜線を強調します。

モデルに全体像を見せる

これらの局所群が構築された後でも、PointRMはどの特徴が全体として重要かを決める必要があります。そのために、各局所パッチに重要度スコアを付け、それを高重要度から低重要度へ、そして逆方向の二つの鏡像的な列に並べ替えます。これらの順序付けられた列は「残差マンバ」モジュールへ入力されます。これは新しい種類の列処理ネットワークで、多数のパッチにわたる長距離の関係を比較的軽い計算で追跡できます。パッチを順方向と逆方向の両方で走査することで、同一断片の離れた領域同士がどう関連するかを学習し、不完全で不規則な破片を認識するための重要な一歩となります。

手法の試験

チームはPointRMを、部品がラベル付けされた日常物体や形状のコレクションを含む複数の標準的な3Dベンチマークで評価しました。これらのテスト全体で、新手法は従来のニューラルネットワークやトランスフォーマーモデルに基づく主要なシステムと同等かそれ以上の精度を示し、かつ演算量は少なく抑えられました。著者らは次に主要目標である実際の兵馬俑断片の分類に取り組み、入念にクリーニングしダウンサンプリングしたスキャンから腕、胴、頭、脚の四カテゴリに分類しました。約1万2千近い断片のうち、PointRMは96％超を正しく識別し、従来の専門的手法を上回り、入力データをよりノイジーまたは疎にしても安定性を保ちました。

古代の兵士たちへの意味

非専門家にとっての主な結論は、この研究が考古学者や保存修復士に対して強力な3D断片の「仕分けエンジン」を提供する点です。手間のかかる手作業の検査にのみ依存する代わりに、チームはPointRMを用いて大量の断片を迅速に体の部位ごとにグループ化し、誤誘導する破片を除外し、より精密な照合と復元のための対象を絞ったセットを準備できます。極端に疎なスキャンに対する困難さなど技術的制約はありますが、この手法は、脆弱な原物を尊重しつつ兵馬俑がどのように作られ、かつて皇帝の広大な地下軍団でどのように並んでいたかをより明らかにする、完全なデジタル復元の道へ向かう重要な一歩を示しています。

引用: Li, Y., Zhou, M., Zhou, P. et al. A residual mamba point cloud classification framework for 3D Terracotta Warrior fragments. npj Herit. Sci. 14, 243 (2026). https://doi.org/10.1038/s40494-026-02496-6

キーワード: 兵馬俑, 3D点群, 文化遺産, 断片分類, 深層学習