Schrijveridentificatie voor Tang-dynastie Changsha-oven poëtisch keramiek via een dual-path multi-scale globale aandachtmodel

Gedichten op klei, verhalen over mensen

Op het oppervlak van kleine porseleinen potjes en hoofdkussens uit de Tang-dynastie zijn meer dan duizend jaar geleden sierlijke dichtregels met een penseel over nat glazuur gezet. Deze korte verzen worden tegenwoordig niet alleen om hun schoonheid gekoesterd, maar ook om wat ze kunnen onthullen over de mensen die ze schreven. Tot nu toe berustte het koppelen van een specifieke inscriptie aan een bepaalde schrijver op het getrainde oog van enkele experts. Deze studie toont aan hoe moderne kunstmatige intelligentie kan helpen de menselijke hand achter deze kwetsbare objecten te lezen, en zo een nieuw venster opent op het dagelijks leven, werk en handelspraktijken in het vroege middeleeuwse China.

Waarom deze potten ertoe doen

De Changsha-oven, actief tijdens de bloeiende Tang-dynastie, produceerde kleurrijk keramiek versierd met schildering, kalligrafie en poëzie. Deze objecten reisden wijd via vroege handelsroutes en werden dragers van literatuur en smaak, naast hun praktische functie. De inscripties bewaren niet alleen tekst, maar ook de dynamiek van penseelstreken en de keuzes van individuele schrijvers. De meeste bewaard gebleven stukken zijn echter verspreid over musea en particuliere collecties, en hoogwaardige afbeeldingen zijn schaars. Er bestond geen openbaar, gestandaardiseerd afbeeldingsdataset van deze inscripties, wat het moeilijk maakte voor onderzoekers om stukken te vergelijken, digitale methoden te testen of elementaire vragen te stellen zoals: heeft één pottenbakker-schrijver de gedichten op meerdere verschillende vaten geschreven?

Een digitale bibliotheek van Tang-handschrift opbouwen

Om dit aan te pakken, stelden de auteurs eerst een nieuwe beeldverzameling samen uit gepubliceerde catalogi van Changsha-keramiek. Van 135 individuele artefacten—voornamelijk schenkers, schotels en hoofdkussens met poëzie of korte aantekeningen—haalden ze zorgvuldig 1.865 afbeeldingen van losse karakters. Omdat inscripties op gebogen aardewerk liggen, lijken karakters bij de randen vervormd op foto’s. Het team gebruikte een gespecialiseerde beeldsegmentatie- en oppervlak-vlakmaakprocedure om deze kromming te corrigeren, verwijderde vervolgens vuil en barsten, zette afbeeldingen om naar grijstinten, hermodelleerde ze naar uniforme afmetingen, verminderde ruis en spiegeltte enkele beelden lichtjes om de variatie te vergroten. Het resultaat is de eerste toegewijde dataset van poëtisch handschrift uit de Changsha-oven — een bron die toekomstige studies op het gebied van schriftsherkenning, stijlanalyse en vele andere onderzoeken kan ondersteunen.

Een neuraal netwerk stijl laten zien

Met deze dataset ontwierpen de onderzoekers een computerzichtsysteem waarvan de taak is te bepalen of twee karakterafbeeldingen waarschijnlijk door dezelfde persoon zijn geschreven. Het model neemt een paar karakters binnen via twee parallelle kanalen die dezelfde verwerkingsstappen delen. Na basisfiltering gaan beide beelden door een diep neuraal netwerk (ResNet-34) dat patronen in streekdikte, kromming, afstand en andere subtiele kenmerken extraheert. Het hart van het systeem is een nieuw multi-scale globaal aandachtmodule. In plaats van slechts op één vast detailniveau te kijken, onderzoekt dit module de karakters gelijktijdig op meerdere schalen — van het grove overzicht tot fijne penseelwiggels — en leert hoe verre delen van een streek zich tot elkaar verhouden. Door deze gezichtspunten te combineren bouwt het model een rijk interne "vingerafdruk" van ieders schrijfstijl en vergelijkt vervolgens de twee vingerafdrukken om een gelijkenheidsscore tussen 0 en 1 uit te geven.

Het systeem op de proef stellen

Het team vergeleek verschillende populaire neurale netwerk-backbones en aandachtmechanismen en ontdekte dat hun dual-path netwerk met de nieuwe aandachtmodule het beste presteerde. Het behaalde een herkenningsnauwkeurigheid van ongeveer 97,9%, duidelijk beter dan oudere, eenschalige aandachtmodellen. Om te zien wat het algoritme had geleerd, genereerden de auteurs heatmaps die laten zien waar het netwerk het meest aandachtig "kijkt". Deze benadrukken streekbochten, schuin linkerstreken en andere regio’s waar penseeldruk en ritme per persoon verschillen — vergelijkbaar met wat een menselijke kenner zou onderzoeken. De onderzoekers voerden vervolgens grootschalige tests uit binnen afzonderlijke artefacten en tussen verschillende artefacten. Binnen een enkel vat beoordeelde het systeem consequent alle karakters als sterk vergelijkbaar, wat de hypothese ondersteunt dat het gedicht op elk vat door één schrijver is geschreven in plaats van door meerdere.

Nieuwe aanwijzingen over oude ambachtslieden

Het meest opvallende resultaat kwam toen het model stukken uit verschillende collecties vergeleek. Twee keramische hoofdkussens met liefdesthema zeven-tekens gedichten vertoonden een zeer hoge stilistische gelijkenis, ook al bevinden ze zich nu in verschillende instellingen. Archeologische gegevens plaatsen beide kussens op dezelfde ovenlocatie, en hun vormen, decoratieve motieven en thema’s komen sterk overeen. Het algoritme-oordeel — een 85,8% waarschijnlijkheid dat dezelfde hand beide inscripties schreef — ondersteunt de conclusie dat ze door één schrijver zijn gemaakt. Daarentegen gaven drie vergelijkbare wijnschenkers met verwante waarschuwende verzen over spijt lage gelijkenheidsscores, wat wijst op drie verschillende kalligrafen die een gedeelde tekstuele formule kopieerden. Samen onthullen deze bevindingen hoe een AI-"oog" historici kan helpen werkplaatsorganisatie, arbeidsverdeling en handelspraktijken te traceren.

Wat dit betekent voor verleden en toekomst

Door zorgvuldige digitale beeldvorming te combineren met een geavanceerd neuraal netwerk, verandert deze studie fragiele inktsporen op aardewerk in kwantitatief bewijs over wie wat schreef. Voor de algemene lezer is de belangrijkste conclusie dat computervisie nu individuele handen in oude kalligrafie bijna net zo betrouwbaar kan onderscheiden als een menselijke expert, maar veel sneller en over veel meer objecten. Daardoor wordt het mogelijk stukken die verspreid over de wereld liggen te koppelen, de loopbanen van langvergeten ambachtslieden in kaart te brengen en beter te begrijpen hoe massaproductie en persoonlijke expressie naast elkaar bestonden in de Tang-dynastie. Hoewel de methode niet perfect is en afhankelijk van beperkte, soms beschadigde gegevens, biedt ze een krachtig nieuw instrument voor musea en wetenschappers — en een model voor het toepassen van AI op vele andere vormen van historisch handschrift.

Bronvermelding: Jiang, C., Li, M., Guo, Y. et al. Scribe identification for Tang Dynasty Changsha Kiln poetic ceramics via dual-path multi-scale global attention model. npj Herit. Sci. 14, 146 (2026). https://doi.org/10.1038/s40494-025-02152-5

Trefwoorden: oud schrift, keramiek uit de Tang-dynastie, schrijveridentificatie, deep learning, digitaal erfgoed