Geautomatiseerde detectie en themamining van oude muurschilderingen in verschillende stijlen

Waarom het decoderen van oude wandkunst vandaag van belang is

Door heel Azië sieren oude muurschilderingen de wanden van grotten, tempels en grafkamers en bewaren ze verhalen over het dagelijks leven, religie en macht die niet langer in geschreven bronnen terug te vinden zijn. Deze schilderingen bestaan inmiddels echter in enorme digitale verzamelingen, veel te groot om door experts één voor één te worden onderzocht. Deze studie laat zien hoe moderne kunstmatige intelligentie muurschilderingen automatisch op stijl kan sorteren en terugkerende thema’s kan blootleggen, waardoor historici, conservatoren en het publiek deze visuele wereld beter kunnen navigeren en inzicht krijgen in hoe overtuigingen en levenswijzen zich over eeuwen ontwikkelden.

Muurschilderingen lezen met digitale ogen

In plaats van te vertrouwen op het getrainde oog van een specialist bouwen de auteurs een computermodel dat elke muurschildering als een bundel visuele aanwijzingen behandelt. Ze verzamelen bijna 5.400 afbeeldingen uit drie omgevingen: grotmuurschilderingen van oude, uit de rots gehouwen heiligdommen, tempelmuurschilderingen uit bovengrondse religieuze gebouwen en grafmuurschilderingen die met de doden zijn begraven. Het systeem zet elke foto eerst om in verschillende soorten numerieke beschrijvingen die het kleurenpalet, het oppervlak en de textuur, kleine lokale details zoals randen of ornamenten, en bredere schikkingen van figuren en scènes vastleggen. Door deze verschillende “zichtpunten” van dezelfde afbeelding te combineren krijgt de computer een rijke, gelaagde voorstelling van wat de ene muurstijl van de andere onderscheidt.

Een computer leren muurstijlen te herkennen

Zodra deze visuele vingerafdrukken zijn geëxtraheerd, trainen de auteurs een machine-learningmodel om te leren welke patronen bij grot-, tempel- of grafmuurschilderingen horen. De kern van het systeem, dat zij MV2FLR noemen, fuseert vijf soorten kenmerken en voert die vervolgens in een eenvoudige maar krachtige statistische classifier, bekend als logistische regressie. Getest op onbekende muurschilderingen identificeert het model de stijl bijna 99 procent van de tijd correct, en presteert het beter dan complexere deep-learningnetwerken die slechts één aspect van de afbeelding bekijken. De studie toont ook aan dat patch-gebaseerde kenmerken, die vastleggen hoe kleine beeldregio’s zich tot elkaar verhouden in de hele schildering, bijzonder goed zijn in het onderscheiden van stijlen, terwijl kleur en textuur op zichzelf niet toereikend blijken.

Verhalen vinden in beschrijvingen van muurschilderingen

Muurschilderingen zijn niet alleen beelden; ze zijn ook zorgvuldig gecatalogiseerd met korte tekstuele beschrijvingen. Om te onderzoeken waar deze schilderingen over gaan, gebruiken de onderzoekers een moderne topic-miningmethode genaamd BERTopic op de bijbehorende Chinese teksten. Deze benadering groepeert muurschilderingen die sleutelwoorden delen, zoals “Bodhisattva”, “feest”, “reis” of “Dharma preken”, en brengt in kaart hoe vaak elk cluster voorkomt in grotten, tempels of graven. Daarmee onthult het zowel opvallende overlappingen als duidelijke verschillen in onderwerpkeuze. Alle drie de muursoorten tonen herhaaldelijk Boeddhistische figuren, beschermgoden, begeleiders en vliegende hemelse wezens, wat wijst op een gedeelde visuele taal geworteld in geschriften en ritueel.

Hoe verschillende ruimte de kunst vormgeven

Tegelijkertijd ontwikkelt elke muuromgeving zijn eigen favoriete thema’s. Tempelmuurschilderingen neigen sterk naar religieuze onderricht: verhalende scènes uit Boeddhistische geschriften, formele preekbijeenkomsten en geordende rangen van hemelse koningen en andere godheden. Grafmuurschilderingen richten zich meer op het aardse en het gewenste leven van de doden, met nadruk op banketten, muziek en dans, processies met paarden en koetsen en geïdealiseerde huiselijke taferelen. Grotmuurschilderingen bevinden zich vaak tussen deze werelden in en mengen Paradijzen van het Zuivere Land en devoot offeren met indrukken van regionale gebruiken. Door te traceren hoe deze onderwerpen opkomen en verdwijnen over dynastieën laten de auteurs zien dat verschuivingen in politieke macht, religieuze mode en alledaagse praktijk allemaal hun sporen nalaten op de wandschilderingen.

Wat dit betekent voor ons begrip van het verleden

Voor niet-specialisten is de boodschap eenvoudig: door slimme beeldanalyse te combineren met tekstmining kunnen computers ons nu helpen enorme muurschilderingenverzamelingen te ordenen, benadrukken wat verschillende tradities uniek maakt en laten zien waar ze gemeenschappelijke grond hebben. In plaats van menselijke expertise te vervangen, biedt deze geautomatiseerde benadering historici en conservatoren een krachtig repertoire aan zoeklichten om patronen te vinden die met het blote oog onmogelijk te zien zouden zijn. Daarbij maakt het het eenvoudiger om deze kwetsbare werken te behouden, te organiseren en te presenteren, zodat toekomstige generaties kunnen ontdekken hoe oude kunstenaars goden, heersers, gewone mensen en de werelden die zij zich na de dood voorstelden, afbeeldden.

Bronvermelding: Sun, S., Li, T. & Li, Q. Automated detection and topic mining of ancient murals across different styles. npj Herit. Sci. 14, 112 (2026). https://doi.org/10.1038/s40494-026-02374-1

Trefwoorden: oude muurschilderingen, AI voor cultureel erfgoed, classificatie van beeldstijlen, Boeddhistische kunst, topicmodellering