Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.
Forschungsartikel
Dieser Artikel stellt einen menschlich überwachten computerbasierten Arbeitsablauf zur Untersuchung wiederkehrender Darstellungen von Frauen in 433 chinesischen Exportgemälden aus der Qing-Dynastie vor. Sieben menschlich definierte Kategorien und wiederkehrende visuelle Hinweise charakterisieren Muster innerhalb des Korpus, wobei die Ergebnisse auf die Stichprobe der Bilder begrenzt bleiben und keine Aussagen über die soziale Realität oder historische Rezeption in der Qing-Zeit treffen.
Diese Studie untersuchte wiederkehrende Darstellungen weiblicher Identität und sozialklassenspezifischer visueller Hinweise in einem Korpus von 433 chinesischen Exportgemälden aus der Qing-Dynastie, datiert zwischen 1757 und 1911. Der Arbeitsablauf kombinierte CLIP ViT-B/32 zur vorläufigen Kennzeichnung, die Segmentierung beliebiger Objekte (Segment Anything Model, SAM) zur Unterstützung der Lokalisierung, Dimensionsreduktion und Clustern sowie manuelle ikonographische Kodierung durch zwei unabhängige Kodierer. CLIP-Kennzeichnungen dienten der vorläufigen Organisation, SAM fungierte als Hilfsmittel zur Lokalisierung, und die konsensbasierte manuelle Kodierung lieferte die Referenzkategorien. Die aggregierten Ergebnisse identifizierten sieben menschliche Referenzkategorien: Adelige/Schönheit (n = 112), Arbeitende (n = 72), Häusliche (n = 64), Dienstmädchen (n = 58), Ritual/Hochzeit (n = 45), Markt (n = 43) und Darbietende (n = 39). Die vorläufigen computergestützten Kennzeichnungen stimmten bei 356 von 433 Gemälden (82,2 %) mit den menschlichen Referenzkennzeichnungen überein, wobei die Kategorie-spezifische Rückstellrate zwischen 73,3 % und 88,4 % lag. Wiederkehrende Kombinationen aus Kleidung, räumlichem Setting, Objekten, Körperhaltung und dargestellten sozialen Beziehungen wurden verwendet, um die visuellen Profile dieser Kategorien zu charakterisieren. Die Bewertung der 433 fallbezogenen KI–Mensch-Kennzeichnungspaare ergab umfassende präzise Werte, Rückstellraten und F1-Scores auf Kategorieebene sowie eine Konfusionsmatrix zur Darstellung der Klassifizierungsmuster. Die Cluster-Validierung unterstützte die gewählte Clustering-Lösung und zeigte eine Übereinstimmung zwischen den abgeleiteten Clustern und den menschlich definierten Referenzkategorien. Insgesamt deuten wiederkehrende Kombinationen aus Kleidung, räumlichem Setting, Objekten, Körperhaltung und sozialen Beziehungen auf strukturierte bildliche Typologien innerhalb des untersuchten Korpus hin. Diese Ergebnisse charakterisieren die visuelle Repräsentation in chinesischen Exportgemälden der Qing-Dynastie, sollten jedoch nicht als direkte Maße für rechtlichen Status, gelebte Erfahrung, Marktnachfrage oder historische Wahrnehmung im Ausland interpretiert werden.
Chinesische Exportgemälde aus der Qing-Dynastie waren Teil der kommerziellen und kulturellen Netzwerke, die ab dem späten achtzehnten Jahrhundert Kanton und andere Sammelmärkte mit europäisch-amerikanischen Käufern verbanden1,2,3,4,5. Kaufleute, Reisende, Diplomaten, Missionare und Sammler erwarben diese Gemälde als transportable Waren, Andenken, Quellen visueller Informationen sowie als Darstellungen von Orten, Berufen, Produktionsweisen, Bräuchen und gesellschaftlichen Typen. Ihre Verbreitung spiegelte somit sowohl chinesische Werkstattpraktiken als auch die Erwartungen ausländischer Märkte wider.
Die ausländische Nachfrage bevorzugte bekannte Motive, Serienformate, wiederkehrende Themen und Szenen, die gesammelt und verglichen werden konnten. Werkstätten passten Medien, Formatgrößen, Komposition und Inhalte für den Verkauf an, während Käufer oft leicht verständliche Darstellungen von Berufen, Zeremonien, Innenräumen, Gärten, Straßen und malerischen gesellschaftlichen Typen bevorzugten. Wiederholte Versionen von Szenen aus Kantoner Werkstätten verdeutlichen weiter, wie Künstler und ihre Assistenten Ikonographie und westliche bildnerische Mittel für ausländische Auftraggeber anpassten1,2,3,4,5. Obwohl die Marktnachfrage beeinflusst haben mag, was produziert und bewahrt wurde, erlaubt der vorliegende Korpus keine direkte Messung individueller Käuferpräferenzen oder -reaktionen.
Diese Gemälde sollten daher als selektive und vermittelte Quellen betrachtet werden, nicht als vollständige Aufzeichnungen des Alltagslebens. Ihre Darstellungen können soziale Praktiken idealisieren, vereinfachen, standardisieren oder anpassen – und zwar durch Werkstattkonventionen, Marktauswahl, Museumsakquise, Katalogisierung und Digitalisierung1,2,3,4,5. Bei der historischen Interpretation muss zwischen Merkmalen, die direkt in den Gemälden beobachtbar sind, und Schlussfolgerungen über die dargestellten Personen, die Produktionsbedingungen sowie über die Bedeutungen unterschieden werden, die spätere Betrachter den Werken zuschrieben.
Weibliche Figuren bieten eine gezielte Möglichkeit, diesen Unterschied zu untersuchen. Kleidung, Frisur, Körperhaltung, räumliche Umgebung, Gegenstände, Tätigkeiten und Beziehungen zu anderen Figuren können Frauen in visuell wiederkehrende Rollen einordnen, darunter Kategorien wie Adelige/Schönheit, häuslich, Dienstmagd, arbeitend, Marktszene, darstellende Kunst sowie rituelle/hochzeitliche Darstellungen. Diese Kategorien sind analytische Beschreibungen bildlicher Muster und legen für sich genommen weder rechtlichen Rang, Reichtum, Beruf, ethnische Zugehörigkeit, Zugehörigkeit zu Banner oder Han, moralischen Charakter noch gelebte Identität fest.
Die digitale Kunstgeschichte und die maschinelle Bildverarbeitung können großangelegte Vergleiche digitalisierter visueller Sammlungen erleichtern und gleichzeitig eine kritische Prüfung der in rechnergestützten Modellen enthaltenen Annahmen ermöglichen6,7. Modelle zur Verknüpfung von Sehen und Sprache können bei der Identifizierung und Ordnung wiederkehrender visueller Motive helfen, obwohl kulturelle Voreingenommenheit eine wichtige Einschränkung bleibt, wenn moderne Modellwortschätze auf historische, nicht-westliche Bilder angewendet werden8. Ähnliche rechnergestützte Untersuchungen zur traditionellen chinesischen Malerei verdeutlichen ebenfalls den Wert, quantitative Mustererkennung mit historisch fundierter Interpretation zu verbinden9.
Diese Studie befasst sich mit drei Fragen: (1) Welche durch Menschen kodierten, geschlechtsspezifischen Identitätskategorien für Frauen sind im Korpus vertreten? (2) Welche Kombinationen aus Kleidung, räumlichem Setting, Objekten, Körperhaltung und sozialen Beziehungen charakterisieren diese Kategorien? (3) Wie unterscheiden sich die Gesamtgenauigkeit bezüglich exakter Übereinstimmung und die Kategorie-spezifische Rückstellrate zwischen den sieben Kategorien? Der Arbeitsablauf stützt sich auf computergestützte Ansätze zur Analyse traditioneller chinesischer Malerei9, beschränkt seine historischen Aussagen jedoch auf die Stichprobenbilder und die dokumentierten Analysen.
Der angestrebte Beitrag ist sowohl historiographisch als auch technisch. Der Vergleich auf Korpus-Ebene kann wiederkehrende bildliche Formeln identifizieren, die anschließend durch engmaschige historische Analysen kontextualisiert werden können. Dieser Ansatz kann Forschung zu Geschlecht, Hierarchie, Darstellungen des Alltagslebens und interkulturellen Begegnungen unterstützen, ohne die Häufigkeit von Bildern als Beleg für soziale Verbreitung oder visuelle Ähnlichkeit als Beweis für historische Identität zu betrachten.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Studienaufbau und Analyseeinheit
Jedes Gemälde oder Katalogeintrag wurde als eine Analyseeinheit behandelt. Es wurde ein korpusbasierter Beobachtungsaufbau verwendet, der die Überprüfung von Metadaten, eine vorläufige computergestützte Organisation, eine unabhängige manuelle Kodierung und kunsthistorische Interpretation kombinierte. Der Untersuchungszeitraum wurde als 1757–1911 festgelegt, und innerhalb dieses Zeitraums wurden Ein- und Ausschlusskriterien angewandt. Historische Kunstwerke und die damit verbundenen Katalogmetadaten wurden analysiert. Bei Vergleichen von Verteilungen über Zeitintervalle ungleicher Dauer wurden die Häufigkeiten anhand der Intervalllänge normalisiert, während potenzielle Überlebens- und Erwerbsverzerrungen bei der Interpretation berücksichtigt wurden.
Erstellung und Auswahl des Korpus
Kandidatenaufzeichnungen wurden aus den zitierten Museums- und digitalen Archiven sowie aus veröffentlichten Katalogen gewonnen. Für jede Kandidatenaufzeichnung wurden Institution, Titel, Datum oder Datumsbereich, Medium, Inventar- oder Katalognummer, stabile Quell-URL, Abrufdatum und Rechtehinweis erfasst. Quelllinks wurden beibehalten, auch wenn die entsprechende Bilddatei aus rechtlichen Gründen nicht weiterverbreitet werden durfte. Das beschriebene Screening-Verfahren begann mit 612 Kandidatenbildern. Davon wurden 85 Aufzeichnungen ausgeschlossen, da sie außerhalb des Zeitraums 1757–1911 lagen oder nicht der Exportmalerei-Tradition angehörten; 58 weitere wurden ausgeschlossen, weil es sich um moderne Reproduktionen, unscharfe Aufzeichnungen oder falsch dargestellte Motive handelte; 29 wurden ausgeschlossen, da sie keine identifizierbare weibliche Figur enthielten oder eine unzureichende Bildauflösung aufwiesen; und 7 wurden aufgrund ungenügender Metadaten entfernt. Das endgültige analytische Korpus umfasste 433 Aufzeichnungen.
Standardisierung von Metadaten und Bildvorverarbeitung
Jedem Gemälde im endgültigen analytischen Korpus wurde ein stabiler QEP-Identifikator von QEP_001 bis QEP_433 zugewiesen. Die zugehörigen Museums-Metadaten wurden beibehalten, darunter Institution, Inventarnummer, Titel, Datierung, Technik oder Materialien, Herkunftsort, Quelllink und verfügbare Katalogbeschreibung. Für die visuelle Analyse wurden die vorläufige KI-Beschriftung, die überprüfte menschliche Kategorie, die Anzahl weiblicher Figuren, Altersgruppe, Körperhaltung, Kleidung, räumliche Umgebung, zugeordnete Objekte und soziale Beziehungen erfasst. Jedes Gemälde wurde einer von sieben Hauptkategorien zugeordnet: Elite/Schönheit, häuslich, Dienstmagd, arbeitend, Markt, darstellende Kunst oder Ritual/Hochzeit. Bei Szenen mit mehreren weiblichen Figuren wurde die zentrale Figur anhand ihrer visuellen Dominanz und narrativen Bedeutung identifiziert. Wenn keine einzelne weibliche Figur überwiegend war, erfolgte die Zuordnung der Hauptkategorie anhand der hauptsächlich dargestellten Tätigkeit und des Gesamtkontexts der Szene. Überlappende Kategorien wurden gelöst, indem die dargestellte Tätigkeit und der Szenenkontext gegenüber Kleidung oder Erscheinungsbild allein Vorrang hatten. Unklare Fälle wurden unabhängig von beiden Kodierenden überprüft und im Konsens entschieden. Quellbilder wurden im JPEG- oder PNG-Format gespeichert. Lediglich Webseitenränder, Katalograhmen oder nicht-bildliche Ränder wurden zugeschnitten. Der gemalte Inhalt wurde nicht rekonstruiert, umgefärbt, verbessert oder restauriert.
Vorläufige Markierung basierend auf CLIP
Der CLIP ViT-B/32-Bildencoder wurde für die vorläufige Bild-Text-Ähnlichkeitsanalyse verwendet⁹. Zu den Kandidaten-Identitätsbegriffen gehörten elite Frau, häusliche Frau, weibliche Dienstbotin, arbeitende Frau, Marktfrau, weibliche Darstellerin, Braut und rituelle Frau. Szenebegriffe umfassten chinesische Innenräume, Garten, Straßenmarkt, Werkstatt, Teeproduktion, textilgewerbliche Tätigkeit und zeremonielle Szene. Der vollständige Satz an Fragenvorlagen, deren Reihenfolge, jegliche Zusammenstellung von Abfragevorlagen (Prompt Ensembling), Textnormalisierungsverfahren, Entscheidungsregeln, Konfidenzwerte und Gleichstände wurde für jedes Bild beibehalten.
Die vollständige Liste der Textvorgaben wurde einheitlich auf alle Bilder angewandt, wobei das OpenAI CLIP ViT-B/32-Modell in Python 3.10 mit PyTorch 2.0.1 und dem OpenAI CLIP-Paket verwendet wurde. Die Inferenz erfolgte auf einer CUDA-fähigen GPU mit einer Batchgröße von 32 und FP32-Genauigkeit. Jedes Bild wurde auf 224 × 224 Pixel verkleinert und zentriert zugeschnitten, und die RGB-Kanäle wurden mithilfe der mit dem ViT-B/32-Modell verknüpften Vorverarbeitungstransformation normalisiert. Die Textvorgaben wurden unter Verwendung der oben definierten Identitäts- und Szenenbeschreibungen erstellt und mit dem CLIP-Textencoder kodiert. Die Kosinus-Ähnlichkeit zwischen den normalisierten Bild- und Text-Embeddings wurde berechnet, und die Vorgabe mit der höchsten Ähnlichkeitsscore wurde als vorläufiges KI-Etikett zugewiesen. Die Ähnlichkeitsscores für alle in Frage kommenden Etiketten wurden für eine anschließende manuelle Überprüfung gespeichert. Ein fester Zufallsstartwert (Seed) von 42 wurde verwendet, und identische Vorverarbeitungsverfahren, Vorgabenvorlagen und Entscheidungsregeln wurden auf alle 433 Gemälde angewandt.
Lokalisierung mithilfe von SAM
Das Segment Anything Model (SAM) wurde ausschließlich zur Lokalisierung von Figuren, Kleidungsstücken, Möbeln, Werkzeugen, rituellen Objekten und architektonischen Bereichen für die visuelle Überprüfung durch Menschen eingesetzt. Es muss betont werden, dass SAM nicht in der Klassifizierungspipeline verwendet wurde; seine Masken, Ausschnitte und abgeleiteten Merkmale waren von den CLIP-Beschriftungs- und Clustervorgängen getrennt, sodass der Einsatz von SAM lediglich Lokalisierungshilfen bot, ohne die Klassifizierungsleistung zu beeinflussen oder zu verfälschen.
Manuelle Punktanweisungen oder Begrenzungsrahmen wurden bei Bedarf angewendet, um die Lokalisierung visueller Elemente zu verfeinern. SAM-Masken wurden für weibliche Figuren, Kleidungsstücke, Möbel, Werkzeuge, rituelle Objekte und architektonische Elemente erzeugt, und jedes Segmentierungsergebnis wurde visuell auf angemessene regionale Abdeckung überprüft. Die resultierenden Masken unterstützten die Identifizierung und Überprüfung relevanter ikonografischer Merkmale, wurden jedoch nicht für CLIP-Kennzeichnung oder Kategorienzuweisung verwendet.
Dimensionsreduktion und Clustering
CLIP-Bild-Embeddings wurden berechnet, und UMAP mit kosinischem Abstand wurde zur zweidimensionalen Visualisierung verwendet10. Die für das Clustering verwendete Darstellung zusammen mit ihrem Vorverarbeitungsverfahren, der Dimensionalität und der Abstandsdefinition wurde dokumentiert.
K-Means- und hierarchische Clusterung wurden auf die Bildmerkmalsdarstellungen angewendet, um wiederkehrende visuelle Gruppierungen innerhalb des Korpus zu identifizieren11. Kandidatenlösungen für die K-Means-Clusterung mit k = 5–9 wurden mithilfe des Silhouettenkoeffizienten und des Davies-Bouldin-Index bewertet. Zur Initialisierung wurde K-Means++ mit n_init = 10, max_iter = 300, tol = 1 × 10⁻4 und random_state = 42 verwendet. Die hierarchische Clusterung erfolgte mittels agglomerativer Clusterung mit durchschnittlicher Verknüpfung (average linkage) und Kosinusdistanz. Die Kandidatenlösungen wurden anhand quantitativer Validierungsindizes, der Clusterstabilität und der kunsthistorischen Interpretierbarkeit verglichen, und die endgültige Clustering-Lösung wurde aufgrund ihrer kohärentesten Darstellung wiederkehrender visueller Muster ausgewählt. Die resultierende Clusterzuordnung für jedes der 433 Gemälde wurde für den anschließenden Vergleich mit den menschlich kodierten Kategorien beibehalten.
Manuelle Kodierung, Schulung und Schlichtung
Zwei Kodiererinnen bewerteten unabhängig voneinander alle 433 Bilder anhand eines versionierten Kodierhandbuchs, das die Hauptkategorie, die Anzahl der Figuren, Altersgruppe, Körperhaltung, Kleidung, räumliche Umgebung, Objekte und soziale Beziehungen abdeckte. Vor der Schlichtung wurden kodiererspezifische Aufzeichnungen gespeichert. Die Kodiererinnen verfügten über einschlägige Kenntnisse in Kunstgeschichte und visueller Analyse und wurden mithilfe des standardisierten Kodierhandbuchs sowie repräsentativer Beispiele aus dem Gemäldeschatz geschult. Vor der eigentlichen Kodierung absolvierten sie eine Kalibrierungsübung mit 30 Gemälden, um eine konsistente Interpretation der sieben Identitätskategorien und fünf Dimensionen visueller Hinweise zu fördern.
Während der formalen Kodierung bewerteten beide Kodierer unabhängig voneinander alle in Frage kommenden Gemälde, wobei sie jeweils blind gegenüber den Kodierentscheidungen des anderen, vorläufigen KI-Labels und Clusterzuordnungen waren. Die Übereinstimmung zwischen den Kodierern wurde mithilfe Cohens Kappa ermittelt. Der beobachtete Kappa-Wert für die primäre Identitätskategorie betrug 0,88, und die Werte für die kategorialen visuellen Hinweisvariablen lagen zwischen 0,79 und 0,92, was eine starke Übereinstimmung zwischen den Kodierern zeigt. Uneinigkeiten wurden durch Diskussion und Konsens beigelegt, und die endgültigen Kategorien sowie die Codes für visuelle Hinweise wurden für die anschließende Analyse dokumentiert12. Die vor der Schlichtung vergebenen Labels wurden beibehalten.
Übereinstimmung zwischen KI und Mensch sowie Leistungsabschätzung
Zum deskriptiven Vergleich mit einer vorläufigen KI-Bewertung pro Gemälde wurde die adjudizierte menschliche Kategorie als Referenz verwendet. Die gesamte Genauigkeit der exakten Übereinstimmung wurde mit 356/433 (82,2 %) berechnet. Die Kategorierückgewinnungsrate (Recall) wurde als Anzahl der exakten Übereinstimmungen zwischen KI und Mensch geteilt durch die Unterstützung der jeweiligen Kategorie in der menschlichen Referenz berechnet. Kategorieunterstützung, exakte Übereinstimmungen, Nichtübereinstimmungen und die entsprechenden Nenner wurden explizit angegeben.
Basierend auf den 433 Fall-Ebene gepaarten KI- und menschlichen Kennzeichnungen wurden Zielklassen-Falsch-Positiv-Werte, präzisions-, recall- und F1-Scores pro Kategorie berechnet. Eine vollständige Konfusionsmatrix wurde erstellt, um die außerhalb der Diagonalen liegenden Klassifizierungsmuster zu analysieren, was anschließend die Überprüfung von Diskrepanzen, die Dokumentation der Fehlertaxonomie und die Festlegung von Schiedsregeln leitete.
Reproduzierbarkeitspaket und Materialien
Der rechnergestützte Arbeitsablauf und die unterstützenden Forschungsmaterialien wurden in einem versionskontrollierten Repository organisiert. Das Reproduzierbarkeitspaket wurde so konzipiert, dass es Skripte für die Vorverarbeitung, CLIP-Analyse, SAM-Lokalisierung, UMAP, Clusterung, Übereinstimmungsanalyse und die Erstellung von Abbildungen enthält, zusammen mit dem Handcodierungs-Codierbuch, Konfigurationsdateien, Informationen zu Abhängigkeiten, abgeleiteten Ergebnissen auf Fallebene sowie einem maschinenlesbaren Inventar der Bildquellen und Rechteinformationen. Den archivierten Forschungsmaterialien wurde ein dauerhafter Identifikator zugewiesen, um Reproduzierbarkeit und Wiederverwendung zu erleichtern.
Microsoft Excel 2021 wurde zur Organisation und Verwaltung der Metadaten verwendet. Für die computergestützten Analysen kamen CLIP ViT-B/32 für die vorläufige visuell-sprachliche Kennzeichnung, SAM für die Lokalisierung visueller Elemente, UMAP mit Cosinus-Distanz für die Dimensionsreduktion sowie K-Means- und hierarchische Clusterung für die explorative Musteranalyse zum Einsatz. Die Clusterlösungen wurden anhand des Silhouettenkoeffizienten und des Davies-Bouldin-Index bewertet, und die Übereinstimmung zwischen verschiedenen Kodierern wurde mithilfe von Cohens Kappa ermittelt. Die verwendete Softwareumgebung, Modellkonfigurationen, rechnerischen Einstellungen und Zufallszahlen-Startwerte im gesamten Workflow wurden dokumentiert, um die Reproduzierbarkeit zu gewährleisten.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Korpuskonstruktion und beschreibende Zusammensetzung
Abbildung 1 zeigt eine vierteilige Übersicht über das Korpus. Abbildung 1A veranschaulicht den berichteten Screening-Prozess von 612 Kandidatenaufzeichnungen auf 433 beibehaltene Aufzeichnungen. Abbildung 1B zeigt repräsentative Beispiele für Medien und Formate. Abbildung 1C zeigt die Anzahlen über vier Zeitintervalle hinweg, und ...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
In den bereitgestellten aggregierten Zusammenfassungen wurden 433 Datensätze in sieben menschliche Referenzkategorien eingeteilt und durch fünf Familien visueller Hinweise beschrieben. Die Kategorie Elite/Schönheit war die größte (112/433), und 356 vorläufige Beschriftungen stimmten mit der berichteten menschlichen Referenz überein (82,2 %). Dies sind Korpusbeobachtungen. Sie unterstützen die Untersuchung wiederkehrender bildlicher Formeln, jedoch nicht die stärkere Behauptung, dass diese Formeln die qingzeitliche Gesell...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Die Autoren haben keine Offenlegungspflichten.
Die Autoren danken dem Victoria and Albert Museum, dem British Museum, dem Metropolitan Museum of Art, dem Smithsonian National Museum of Asian Art, dem Peabody Essex Museum, dem Hong Kong Museum of Art, der British Library, dem Getty Research Institute sowie anderen Sammlungsinstitutionen und Katalogisierungsteams, deren Online-Aufzeichnungen die Korpuserschließung ermöglicht haben. Der Zugriff auf eine Online-Aufzeichnung impliziert nicht die Erlaubnis, deren Abbildung weiterzuverbreiten; Rechte auf der Ebene einzelner Tafeln und Quelllinks werden daher separat dokumentiert. Die Autoren danken außerdem den Gemeinschaften offener Forschung, die CLIP und SAM unterstützen, sowie der administrativen Unterstützung durch die City University of Macau und die Guangdong Polytechnic Normal University.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| CLIP ViT-B/32 | OpenAI | OpenAI CLIP, ViT-B/32 | Vision-Sprach-Modell zur vorläufigen Bildanalyse verwendet–Analyse der Textähnlichkeit und Zuweisung vorläufiger KI-Labels. |
| Rechenarbeitsplatz | Autoren’ rechnergestützte Arbeitsstation | CUDA-fähige GPU; genaue Hardware-Konfiguration ist anzugeben | Arbeitsstation, die für CLIP- und SAM-Inferenz sowie rechnergestützte Analysen verwendet wurde; Angaben zu GPU, CPU, RAM, Betriebssystem und CUDA sollten aus der ursprünglichen Laufzeitumgebung berichtet werden. |
| Matplotlib | Entwicklungsteam von Matplotlib | Python-Paket; exakte Version zur Angabe empfohlen | Zur rechnergestützten Visualisierung und Erstellung von Analysegrafiken und -diagrammen verwendet. |
| Microsoft Excel 2021 | Microsoft Corporation | Microsoft Excel 2021 | Zur Organisation von Metadaten, zur Erfassung von Screening-Daten und zum Management tabellarischer Studiendaten. |
| NumPy | NumPy-Entwickler | Python-Paket; exakte Version zur Angabe erforderlich | Zur numerischen Berechnung und Bearbeitung von Bildmerkmals- und Analyse-Arrays. |
| pandas | pandas-Entwicklungsteam | Python-Paket; genaue Version ist anzugeben | Zur strukturierten Datenverarbeitung, Metadatenverarbeitung und Organisation von fallbasierten Analyseergebnissen. |
| Python 3.10 | Python Software Foundation | Python 3.10 | Zur Implementierung des rechnergestützten Bildanalyse-Workflows verwendete Programmierumgebung. |
| PyTorch 2.0.1 | PyTorch Foundation | PyTorch 2.0.1 | Deep-Learning-Framework zur Ausführung der CLIP-basierten Bild- und Textkodierung und GPU-Inferenz. |
| scikit-learn | scikit-learn-Entwickler | Python-Paket; exakte Version zur Angabe | Wird für K-Means-Clustering, agglomerierendes Clustering, Silhouettenkoeffizienten, Davies–Bouldin-Index und Cohen’s-Kappa-Berechnungen. |
| Segment Anything Model (SAM) | Meta AI Research | SAM | Segmentierungsmodell zur Lokalisierung weiblicher Figuren, Kleidungsstücke, Möbel, Werkzeuge, ritueller Objekte und architektonischer Bereiche für die visuelle Inspektion verwendet. |
| umap-learn | McInnes et al. | UMAP-Python-Implementierung | Wird zur Dimensionsreduktion und zweidimensionalen Visualisierung von CLIP-Bild-Embeddings mit Cosinus-Distanz verwendet. |
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.