Identificação de escribas em cerâmicas poéticas do forno de Changsha da Dinastia Tang via modelo de atenção global multiescala de caminho dual

Poemas na Argila, Histórias das Pessoas

Na superfície de pequenos potes e travesseiros de porcelana da Dinastia Tang, linhas graciosas de poesia foram pinceladas sobre vidrado ainda úmido há mais de mil anos. Esses versos breves são hoje valorizados não apenas por sua beleza, mas também pelo que podem revelar sobre as pessoas que os escreveram. Contudo, até agora, vincular uma inscrição específica a um escriba concreto dependia do olhar treinado de poucos especialistas. Este estudo mostra como a inteligência artificial moderna pode ajudar a ler a mão humana por trás desses artefatos frágeis, abrindo uma nova janela para a vida cotidiana, o trabalho e o comércio na China do início da Idade Média.

Por Que Esses Potes Importam

O forno de Changsha, ativo durante o florescimento da Dinastia Tang, produziu cerâmicas coloridas decoradas com pintura, caligrafia e poesia. Esses objetos viajaram amplamente pelas rotas comerciais antigas e se tornaram veículos de literatura e gosto, além de recipientes práticos. Suas inscrições preservam não apenas o texto, mas também a energia dos traços do pincel e as escolhas de escritores individuais. No entanto, a maioria das peças sobreviventes está dispersa por museus e coleções particulares, e imagens de alta qualidade são escassas. Não existia um conjunto de imagens público e padronizado dessas inscrições, o que dificultava que pesquisadores comparassem peças, testassem métodos digitais ou fizessem perguntas básicas como: um mesmo oleiro-escriba escreveu os poemas em vários vasos diferentes?

Construindo uma Biblioteca Digital da Caligrafia Tang

Para enfrentar esse desafio, os autores primeiro reuniram um novo acervo de imagens a partir de catálogos publicados das cerâmicas de Changsha. De 135 artefatos individuais — principalmente bules, pratos e travesseiros com poesias ou notas breves — eles cuidadosamente extraíram 1.865 imagens de caracteres isolados. Como as inscrições se encontram em superfícies cerâmicas curvas, caracteres próximos às bordas aparecem distorcidos nas fotografias. A equipe usou um processo especializado de segmentação de imagem e achatamento de superfície para corrigir essa curvatura, depois removeu sujeira e trincas, converteu as imagens para tons de cinza, redimensionou, reduziu ruído e inverteu ligeiramente algumas imagens para aumentar a variedade. O resultado é o primeiro conjunto de dados dedicado à caligrafia poética do forno de Changsha, um recurso que pode apoiar reconhecimento de escrita, análise de estilo e muitos outros estudos no futuro.

Ensinando uma Rede Neural a Ver o Estilo

Com esse conjunto de dados, os pesquisadores projetaram um sistema de visão computacional cuja tarefa é decidir se duas imagens de caracteres foram provavelmente escritas pela mesma pessoa. O modelo recebe um par de caracteres por meio de dois canais paralelos que compartilham as mesmas etapas de processamento. Após filtragem básica, ambas as imagens passam por uma rede neural profunda (ResNet-34) que extrai padrões na espessura dos traços, curvas, espaçamentos e outras características sutis. No coração do sistema está um novo módulo de atenção global multiescala. Em vez de olhar apenas para um nível fixo de detalhe, esse módulo examina os caracteres em várias escalas simultaneamente — do layout grosso até as pequenas ondulações do traço — e aprende como partes distantes de um traço se relacionam entre si. Ao combinar essas visões, o modelo constrói uma rica “impressão digital” interna do estilo de cada escriba e então compara as duas impressões para emitir uma pontuação de similaridade entre 0 e 1.

Colocando o Sistema à Prova

A equipe comparou várias arquiteturas de rede neural populares e mecanismos de atenção e descobriu que sua rede de caminho dual com o novo módulo de atenção teve o melhor desempenho. Ela atingiu uma acurácia de reconhecimento de cerca de 97,9%, superando claramente modelos antigos de atenção monocular. Para ver o que o algoritmo havia aprendido, os autores geraram mapas de calor que mostram onde a rede “olha” mais atentamente. Esses mapas destacam curvas dos traços, traços inclinados à esquerda e outras regiões onde pressão e ritmo do pincel diferem de pessoa para pessoa — muito parecido com o que um conhecedor humano examinaria. Os pesquisadores então executaram testes em grande escala dentro de artefatos individuais e entre artefatos diferentes. Dentro de um único vaso, o sistema julgou consistentemente todos os caracteres como altamente semelhantes, apoiando a ideia de que o poema de cada peça foi escrito por um único escriba em vez de vários.

Novas Pistas Sobre Artesãos Antigos

O resultado mais marcante surgiu quando o modelo comparou peças de diferentes coleções. Dois travesseiros cerâmicos inscritos com poemas de sete versos sobre o amor mostraram grande similaridade estilística, embora hoje estejam alojados em instituições distintas. Registros arqueológicos colocam ambos os travesseiros no mesmo sítio de forno, e suas formas, motivos decorativos e temas coincidem de perto. O veredito do algoritmo — uma probabilidade de 85,8% de que a mesma mão escreveu ambas as inscrições — reforça a conclusão de que foram feitos por um único escriba. Em contraste, três jarras de vinho semelhantes que carregam versos de aviso relacionados ao arrependimento apresentaram baixas pontuações de similaridade, sugerindo três calígrafos diferentes copiando uma fórmula textual compartilhada. Juntos, esses achados mostram como um “olho” de IA pode ajudar historiadores a traçar a organização de oficinas, a divisão do trabalho e práticas comerciais.

O Que Isso Significa para o Passado e o Futuro

Ao combinar imagem digital cuidadosa com uma rede neural sofisticada, este estudo transforma vestígios frágeis de tinta sobre cerâmica em evidência quantitativa sobre quem escreveu o quê. Para o leitor em geral, a lição principal é que a visão computacional agora pode distinguir mãos individuais na caligrafia antiga quase tão confiavelmente quanto um especialista humano, porém muito mais rápido e em muito mais objetos. Isso torna possível conectar peças dispersas pelo mundo, mapear as carreiras de artesãos há muito esquecidos e entender melhor como produção em massa e expressão pessoal coexistiam na Dinastia Tang. Embora o método não seja perfeito e dependa de dados limitados e às vezes danificados, ele oferece uma poderosa nova ferramenta para museus e estudiosos — e um modelo para aplicar IA a muitos outros tipos de caligrafia histórica.

Citação: 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

Palavras-chave: caligrafia antiga, cerâmicas da Dinastia Tang, identificação de escriba, aprendizado profundo, patrimônio digital