摘要: 北京大学智能学院袁晓如课题组和考古文博学院张海课题组合作取得重要跨学科研究进展，研发帮助考古学家追踪和分析彩陶花纹演变的可视分析系统。工作近日被可视化领域国际会议IEEE PacificVis 2024期刊轨征文接收，论文将直接发表于可视化领域旗舰期刊 IEEE TVCG（CCFA类）。彩陶在中国史前文化中占有重要地位。特别仰韶文化彩陶是中国古代分布最广、最具影 ...

北京大学智能学院袁晓如课题组和考古文博学院张海课题组合作取得重要跨学科研究进展，研发帮助考古学家追踪和分析彩陶花纹演变的可视分析系统。工作近日被可视化领域国际会议IEEE PacificVis 2024期刊轨征文接收，论文将直接发表于可视化领域旗舰期刊 IEEE TVCG（CCF A类）。

彩陶在中国史前文化中占有重要地位。特别仰韶文化彩陶是中国古代分布最广、最具影响力的文化元素，被誉为“早期华夏族的象征”或“观念上最早的中国”。花纹是绘制在陶器上的一种装饰元素，通常具有重要的主题含义。同一时期的花纹一般都遵循共同的规范和风格。花纹演变是指同一主题的花纹随时间的发展、变换和传播，通常由不同部族之间的交流和影响导致。对花纹演变的分析可以揭示文化在不同时代和地区的传播和发展。图1展示了一类鱼头纹的演变过程。

图1：鱼头纹的演变过程。

花纹演变分析仍是一项具有挑战性的任务，尤其是在花纹选择方面。作为艺术创作，花纹在外观上拥有很大的自由度。某些主题的花纹变化可能过于剧烈而难以识别。如果没有适当的策略，选择过程会费时费力。此外，相似或相同主题的花纹不一定具有演变关系。受当时生产力水平限制，花纹在长时间或远距离产生持久影响的可能性较小。引入时空约束会进一步增加选择复杂性。另一方面，记录演变的方法也存在诸多不便。目前演变仅以文字形式呈现，与花纹图像并列，导致考古学家在记录过程中不得不经常转移焦点。缺乏多样化的注释选项（例如突出图案的特定部分）也降低了记录过程的有效性。

为了解决这些挑战、进一步提升花纹演变分析的效率，北京大学课题组提出可视分析系统PM-Vis。PM-Vis整合花纹时间、空间和外观特征，通过“选择-组织-记录”工作流程提供对花纹演变分析的全过程支持。如图2所示，在选择阶段，三重投影显示花纹的外观相似性和时空接近性。用户可以全局或根据特定花纹切换布局，以识别具有演变联系的花纹。组织阶段帮助建立演变序列，并根据花纹的变化程度将其划分为更有组织的子组。最后，记录阶段为这些花纹提供更具针对性的可视化，并支持考古学家通过多种形式的原位注释记录观察结果和见解。

图2：PM-Vis工作流程。

选择阶段根据外观、空间和时间帮助用户识别具有演变联系的花纹。首先，系统提供花纹概览（图3），帮助用户选择一个或多个感兴趣的花纹。概览中的空间树（图3a）和时间线（图3b）分别用于展示花纹的高层次空间和时空分布。三重投影（图3c）用于展示具体的花纹关系，包括外观相似度、时间和空间接近性。用户可以通过调整三角控件（图3d）内部锚点的位置来控制外观、时间和空间关系的权重。当花纹之间存在重叠时，用户可以通过扩散透镜（图3e）来缓解视觉混乱。当对某个特定花纹感兴趣时，用户可以通过点击的方式激活饼状菜单（图4a），然后直接创建花纹组。后续针对该组的花纹添加和移除都可以通过双击对应花纹来完成。

图3：花纹概览界面。

之后，为了方便用户选择具有演变联系的花纹全集，系统提供基于花纹的搜索功能（图4）。搜索可以从外观相似度、时间和空间三个方面进行。如图4a所示，搜索功能通过饼状菜单触发。相似度搜索会将目标花纹置于视图中心，其他花纹按照与目标花纹的相似度由内到外排布，角度差编码了它们之间的相似度（图4b）。空间和时间搜索如图4c和d所示。系统在界面顶端提供了对当前搜索的描述。

图4：基于花纹的搜索。

组织阶段帮助用户在搜索完成后确定这些花纹的演变序列和演变分组（图5）。在该阶段，界面只展示选中的花纹，并且花纹的水平方向表示时间，竖直方向表示外观相似度。在序列创建模式下，用户依次点击两个在演变上相邻的花纹对，即可构建指示演变方向的线段。在分组模式下，用户可以创建、修改、删除子组以及加入注释。

图5：花纹组织阶段界面。

记录阶段用于总结花纹演变过程，其界面如图6所示。界面保留了空间树和时间线，并在其中加入当前花纹的缩略图。我们为这些花纹提供了两种布局：基于序列的布局（图6a）以及基于空间的布局（图6b）。用户可以通过标注面板（图6c）向布局中加入文字描述、高亮花纹局部的轮廓以及标签。标签分为整体标签和成对标签两种，分别用于指示所有花纹的整体演变趋势以及前后两个花纹之间的变化。

图6：记录界面。

在案例分析中，考古学家探索了最早出现在仰韶文化中的相向弧边三角纹。花纹选择和组织过程见图7。最初，考古学家将三重投影的时间权重设置为1，在仰韶文化中发现了两个三角纹（图7a）。随后，他对这些花纹进行了相似性和空间搜索，发现了另外两个三角纹（图7b至d）。迭代式地进行相似性搜索又发现了三个新花纹（图7e至g）。由于基于这三个花纹的后续搜索没有新的发现（图7h和i），考古学家结束了花纹选择。随后，考古学家构建演变序列，并将花纹划分为四个子组（图7j）。最后，他通过记录界面总结发现（图6）。

图7：相向弧边三角纹的选择和组织过程。

本工作第一作者是北京大学智能学院博士生李金城，通讯作者是智能学院袁晓如。其它合作者还包括赖楚凡（现任职于中国科学院空间应用工程与技术中心），北京大学考古文博学院张海。工作得到国家自然科学基金项目NSFC 62272012支持。本工作将作为期刊轨论文（TVCG Track）在2024年4月于日本东京召开的可视化领域国际会议IEEE PacificVis作全文宣讲，论文将直接发表于可视化领域旗舰期刊 IEEE TVCG（CCF A类）。该会议此次TVCG Track论文接收率为11.5%。

近年来，跨学科研究引起越来越多关注。北京大学将2022年作为数字与人文年。可视化通过将数据转化为可交互图形，为领域学者提供强大分析工具。北京大学智能学院袁晓如课题组近年来与包括天文地理、医疗卫生、历史中文、国际关系在内的多个科学与人文领域学者合作，为一些具有挑战性的领域问题提供可视化解决方案和工具。除了本项针对考古的可视分析工作，2023年度实验室已经发表了包括支持空间不确定性挑战的古籍流传可视分析、集合自动分析与用户交互决策的复杂天文光谱分类可视分析系统、全球各国历史早期可视化数据集等交叉合作工作。实验室欢迎来在不同学科的研究者联系开展合作，也欢迎有兴趣的同学申请加入。联系方法：xiaoru.yuan[at]pku.edu.cn