Archaeoscape

Archaeoscape是由法国远东学院创建的一个大型考古学航空激光扫描（ALS）数据集，覆盖柬埔寨888平方公里的区域，包含31,411个注释的考古特征。数据集包括正射影像和LiDAR衍生的数字地形模型（DTM），涵盖超过35亿像素的RGB值、DTM高程和语义注释。数据集的创建过程结合了专家的手动注释和现场验证，旨在解决传统考古学与现代计算机视觉方法之间的差距，特别是在发现密集丛林覆盖下的微妙人类制造结构方面。Archaeoscape的应用领域主要集中在考古学研究，特别是通过ALS技术揭示隐藏的考古特征。Archaeoscape is a large-scale archaeological Airborne Laser Scanning (ALS) dataset developed by the École française d'Extrême-Orient (EFEO). It covers an area of 888 square kilometers across Cambodia, and contains 31,411 annotated archaeological features. The dataset includes orthorectified imagery and LiDAR-derived Digital Terrain Models (DTMs), encompassing over 3.5 billion pixels with associated RGB values, DTM elevation data, and semantic annotations. The dataset was constructed through a combination of expert manual annotation and on-site field validation, with the goal of bridging the gap between traditional archaeology and modern computer vision methodologies, particularly for the detection of subtle man-made structures concealed beneath dense jungle canopy. The primary application scope of Archaeoscape focuses on archaeological research, especially in uncovering hidden archaeological features using ALS technology.

原始信息汇总

数据集概述

数据集名称

Archaeoscape: LiDAR archaeology ML dataset

数据集描述

该数据集由archaeoscape.ai实验室维护，包含超过7,000平方公里的高密度LiDAR覆盖数据，涵盖柬埔寨、老挝、泰国和印度尼西亚。数据集主要用于研究古代定居模式、热带环境中的环境遗产、考古地图的传感器融合以及开放数据集和机器学习工具。

数据集来源

数据集来源于法国亚洲研究学院（EFEO）的archaeoscape.ai实验室，该实验室通过传统考古学、遥感技术和计算机视觉方法研究东南亚的雨林文明。

相关项目

• GAP (1998)
• KALC (2012)
• CALI (2015)
• CHAMPA (2020)
• archaeoscape.ai (2020)

数据集应用

• 古代定居模式研究
• 热带环境中的环境遗产研究
• 考古地图的传感器融合
• 开放数据集和机器学习工具

最新动态

• 2024-12-12: 在NeurIPS 2024的Datasets and Benchmarks Track上展示数据集论文《Archaeoscape: Bringing Aerial Laser Scanning Archaeology to the Deep Learning Era》。
• 2024-09-16: 组织考古学与机器学习（WAML）研讨会，旨在促进考古学与机器学习领域的合作。

搜集汇总

数据集介绍

构建方式

Archaeoscape数据集的构建基于柬埔寨888平方公里的航空激光扫描（ALS）数据，涵盖了31,141个经过专家标注的考古特征。该数据集不仅包括ALS生成的3D点云数据，还整合了正射影像和由LiDAR衍生的归一化数字地形模型（nDTM）。这些数据经过精心处理，去除了非地形点，如树冠和现代建筑，以确保数据的纯净性。专家团队通过地理信息系统（GIS）进行了细致的手动标注和现场验证，确保了标注的准确性和可靠性。

使用方法

Archaeoscape数据集主要用于考古特征的语义分割任务，通过现代视觉技术识别和分类隐藏在密集植被下的考古结构。研究者可以使用该数据集训练和评估各种语义分割模型，如U-Net、DeepLabv3和Vision Transformers（ViT）。数据集的开放访问性质鼓励了跨学科的合作，促进了传统考古学与现代计算机视觉方法的融合。使用者需遵守数据集的许可协议，确保数据的合法和道德使用。

背景与挑战

背景概述

Archaeoscape数据集由École française d’Extrême-Orient (EFEO)等机构的研究人员创建，旨在将航空激光扫描考古学引入深度学习时代。该数据集涵盖了柬埔寨888平方公里的区域，包含31,141个经过专家标注的考古特征，主要来自Angkorian时期。作为首个开放访问的ALS考古资源，Archaeoscape不仅规模是同类数据集的四倍以上，还提供了数据、标注和模型的开放访问，极大地推动了传统考古学与现代计算机视觉方法的融合。

当前挑战

Archaeoscape数据集在构建过程中面临多项挑战。首先，航空激光扫描（ALS）数据中的考古特征识别需要高度专业化的知识和现场验证，手动分析耗时且复杂。其次，缺乏专家标注的开源资源限制了深度学习技术在ALS数据分析中的应用。此外，数据集中细微的人造结构在密集的丛林覆盖下难以发现，这对模型的细节识别能力提出了高要求。最后，数据集的开放访问政策需平衡学术研究需求与文化遗产保护之间的矛盾，防止数据被滥用。

常用场景

经典使用场景

Archaeoscape数据集在考古学领域中被广泛用于通过深度学习技术分析航空激光扫描（ALS）数据。其经典使用场景包括利用3D点云数据生成数字地形模型（DTM），并通过语义分割技术识别和标注考古特征，如古建筑、水文设施和居住地遗址。这些分析有助于揭示隐藏在密集植被下的古代人类活动痕迹，为考古学家提供了一种高效且精确的勘探工具。

解决学术问题

Archaeoscape数据集解决了考古学中长期存在的数据分析瓶颈问题。传统上，考古学家依赖于手动分析和实地验证，这不仅耗时且需要高度专业知识。该数据集通过提供大规模、专家标注的ALS数据，使得深度学习模型能够自动识别和分类考古特征，从而显著提高了数据处理的效率和准确性。这不仅推动了考古学研究的进展，还为文化遗产保护提供了新的技术手段。

实际应用

在实际应用中，Archaeoscape数据集被用于柬埔寨等地的考古遗址勘探和保护工作。通过结合ALS数据和深度学习模型，研究人员能够快速识别和定位潜在的考古遗址，从而指导进一步的实地考察和保护措施。此外，该数据集还支持文化遗产管理机构进行遗址监测和长期保护规划，确保这些珍贵的历史遗迹得到妥善保存。

数据集最近研究

最新研究方向

在考古学领域，Archaeoscape数据集的最新研究方向主要集中在利用深度学习技术解析航空激光扫描（ALS）数据，以揭示隐藏在茂密植被下的古代遗址。该数据集不仅规模庞大，覆盖了柬埔寨888平方公里的区域，且包含了31,141个经过专家标注的考古特征，为深度学习模型提供了丰富的训练资源。前沿研究致力于通过现代视觉技术，如语义分割模型，来识别和分类这些微妙的考古特征。此外，研究还关注如何通过开源策略促进传统考古学与现代计算机视觉方法的融合，从而推动考古领域的技术革新。

相关研究论文

• Archaeoscape: Bringing Aerial Laser Scanning Archaeology to the Deep Learning Era

  法国远东学院 · 2024年