8.8 文化遗产数字化与数字人文：AI 进博物馆

本章目标：把”文化遗产 + AI”从情怀变成一套技术栈与合作路径——数字化管线、VLM 的四个用武之地、数字人文的研究范式，以及学生切入的正确姿势。这是 D4 选题的施工手册，也是你方向里”社会价值叙事”最强的一章。学完标准：能设计一个博物馆合作课题的雏形。

1. 管线全景：从文物到知识服务

采集：高清摄影 / 结构光扫描 / 多光谱成像（HSI，可 revealing 底稿与修改痕迹）
  ↓
重建：photogrammetry → 3DGS（5.5 的技术在文物上的主战场）
  ↓
编目：元数据著录（Dublin Core 等标准；CIDOC-CRM 概念层）——传统上纯人工，最贵的一环
  ↓
增值：VLM 自动描述 / 断代与流派辅助判断 / 题跋 OCR 与翻译 / 知识图谱（画家-流派-题材-流传链）
  ↓
服务：数字展厅（可漫游 3D）/ 智能导览 / 教育内容生成

VLM 的机会集中在”编目”和”增值”两环——这是博物馆界公认的人力瓶颈（一座省级馆藏品数十万件，编目积压以十年计）。“AI 编目员”的真实需求是本方向与纯学术题的最大区别：有人真的会为它付钱。

2. VLM 文物编目的任务分解（D4 的技术内核）

1. 结构化著录：从图像+已知信息生成规范条目（名称/题材/材质/尺寸/保存状态）——本质是”受控词表约束下的 VQA”，VLM 微调即可起步（8.5 路线一）；
2. 辅助断代与归属：流派/年代特征判断——只做”辅助+置信度”，终审权永远在人（博物馆的学术责任不可能交给模型）；
3. 题跋印章处理：书法 OCR（2.2 的 tokenizer 问题在这里变难——异体字/草书）+ 印章检测与归属 + 诗文与画面的语义关联（D2 选题）；
4. 多光谱 × AI（前沿）：HSI 揭示的底层草图/颜料成分，用分割/分类模型做颜料制图——AI for Science 与文化遗产的交叉，数据稀缺但论文含金量高；
5. 数字修复辅助：inpainting 补全缺损 + 风格一致性约束——伦理红线：只能用于”虚拟复原展示”，实体修复与档案记录必须保留真实状态（威尼斯宪章精神：可识别、可逆、不臆造）。

3. 数字人文（Digital Humanities）：另一个发表世界

• 范式：用计算方法回答人文学科的问题——不是”把图喂给模型”，而是**“量化艺术史”**：十万件藏品的构图复杂度随朝代如何演化（8.1 映射表的规模化应用）、某母题（如”渔隐”）在明清的数量地理分布、色彩使用与社会经济波动的相关……
• 方法形态：CLIP/VLM 嵌入做大规模” distant viewing”（远读）+ 统计检验——算力友好（推理为主），非常适配学生；
• 发表生态：数字人文期刊/会议（中文核心、《数字人文》期刊、ADHO 系）与 CS 会议是两个世界——前者重问题的人文学意义与方法的恰当性，不卷 SOTA；与艺术学院/人文学院合作者的价值在此最大化。

4. 中国场景与切入路径

• 标杆：数字敦煌（全球典范——高精度采集+开放素材库）、故宫数字文物库、各大省博的数字化工程——说明上层需求真实且持续；
• 学生的现实路径：① 公开数据先行（Met/SMK 开放接口、数字敦煌素材库）做方法原型；② 带着原型找合作（导师的博物馆关系、或从地方中小馆切入——大馆门槛高但小馆的编目需求更迫切）；③ 发表走”数字人文 + CS workshop”双轨；
• 避坑：别用”我要用 AI 颠覆文博”开场——文博界对技术傲慢极其敏感；正确的开场是”我读了贵馆的数字化年报，注意到编目积压问题，我的工具在公开数据上做到了 XX”。

5. 自测题

1. VLM 机会集中在管线哪两环？为什么？（编目与增值——人力瓶颈且有人付费）
2. “辅助断代”的边界怎么定？（只给置信度建议，终审在人——学术责任不可外包）
3. 数字修复的伦理三原则？（可识别/可逆/不臆造——虚拟展示与实体修复分离）
4. 数字人文与 CS 会议的评审偏好差异？（人文意义与方法恰当性 vs SOTA 与技术新颖性）
5. HSI+AI 是什么、难在哪？（多光谱揭示底稿颜料，AI 做颜料制图；数据稀缺——高含金量前沿）
6. 与博物馆合作的开场公式？（读年报→点名具体问题→公开数据上的原型证明——反技术傲慢）

6. 动手作业

1. 用数字敦煌/Met 开放数据拉 100 件藏品，做一个”VLM 自动编目”原型（受控词表 prompt + 结构化输出），人工核对 30 条的准确率；
2. 找一篇《数字人文》期刊的论文精读（6.1 模板），对比它的写作与 CVPR 论文的范式差异——写 300 字；
3. 给 D4 写一页 proposal：目标馆型/数据获取路径/最小可行产品/发表双轨计划；
4. 挑战：设计”风格演化远读”实验（用 8.1 映射表的特征 + WikiArt 年代标签，画 1800–1920 印象派前后色彩/构图的量化演变曲线）——这就是一篇数字人文论文的骨架。

7. 延伸资源

• 数字敦煌素材库 / Met Open Access / 故宫数字文物库——数据源头
• 《数字人文》期刊 / ADHO（ALLC/ACH）——发表生态
• CIDOC-CRM 入门文档——文物元数据的概念模型（选读）