論文の概要: Decoding the Past: An Uncertainty-Aware Deep Learning Framework for Sex Attribution in Prehistoric Hand Stencils

• arxiv url: http://arxiv.org/abs/2608.14539v1
• Date: Fri, 14 Aug 2026 17:51:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.463088
• Title: Decoding the Past: An Uncertainty-Aware Deep Learning Framework for Sex Attribution in Prehistoric Hand Stencils
• Title（参考訳）: 過去を復号する:先史時代における性帰属のための不確かさを意識した深層学習フレームワーク
• Abstract要約: 本研究は,先史時代における性帰属のための不確実性を考慮した深層学習フレームワークを提案する。 パイプラインは、ステンシル毎に12個の可塑性シルエット実現を生成し、境界の不確実性を捕捉する。 現代データでは,アンサンブルモデルは高齢者群では88%を超え,強い分類性能を達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Determining the biological sex of the individuals who created Upper Paleolithic hand stencils remains a challenging problem due to the absence of ground truth, population differences between contemporary and prehistoric groups, and the uncertainty introduced by image degradation. Traditional morphometric methods suffer from high structural overlap across sexes, poor cross-population generalizability, and subjective feature engineering. This study presents an uncertainty-aware deep learning framework for sex attribution in prehistoric hand stencils that explicitly models, propagates, and aggregates uncertainty throughout the analytical pipeline. The methodology combines dual image processing, dual contour extraction, structured silhouette augmentation, model architectural diversity, and ensemble-based decision aggregation. The pipeline generates twelve plausible silhouette realizations per stencil to capture boundary uncertainties, which are processed by two ensembles of ten deep neural networks each (EfficientNet-B3 and MobileViT-S) trained on 14,036 contemporary hand samples. Furthermore, a triangulated validation scheme integrates ensemble predictions with unsupervised 2D latent-space manifold mapping (UMAP + k-NN) and explainable AI spatial attributions (LayerCAM) to ensure anatomical consistency. On contemporary data, ensemble models achieve strong classification performance, with accuracies exceeding 88% in older age groups. When applied to prehistoric stencils, the framework produces both sex predictions and confidence measures of internal agreement, enabling the distinction between morphologically stable and ambiguous cases. Convergence across ensemble predictions, latent-space structure, and interpretability analyses shows that uncertainty can become a measurable component of archaeological inference, enabling robust and reproducible decoding of ancient rock art.
• Abstract（参考訳）: 上部旧石器時代のハンドステンシルを創始した個体の生物学的性を決定することは, 地中真実の欠如, 現代と先史時代の集団間の人口差, 画像劣化による不確実性など, 依然として困難な問題である。 伝統的な形態計測法は、性間の高い構造的重なり合い、クロスポピュレーションの一般化性の貧弱、主観的特徴工学に悩まされている。 本研究は,前史期手指ステンシルにおける性帰属に関する不確実性を考慮した深層学習フレームワークを提案する。 この手法は、デュアル画像処理、二重輪郭抽出、構造化シルエット拡張、モデルアーキテクチャの多様性、アンサンブルに基づく決定集約を組み合わせたものである。 パイプラインはステンシル毎に12個の可塑性シルエット実現を生成し、14,036個の現代の手サンプルで訓練された10個のディープニューラルネットワーク(EfficientNet-B3とMobileViT-S)の2つのアンサンブルによって処理される境界不確かさを捕捉する。 さらに、三角検証スキームは、アンサンブル予測と教師なし2次元潜在空間写像(UMAP + k-NN)と説明可能なAI空間属性(LayerCAM)を統合し、解剖学的整合性を確保する。 現代データでは,アンサンブルモデルは高齢者群では88%を超え,強い分類性能を達成している。 先史時代のステンシルに適用すると、この枠組みは性的予測と内的合意の信頼度の両方を発生させ、形態学的に安定なケースと曖昧なケースの区別を可能にする。 アンサンブル予測、潜在空間構造、解釈可能性分析の収束は、不確実性が考古学的推論の計測可能な要素となり、古代の岩石芸術の堅牢で再現可能な復号を可能にすることを示している。

関連論文リスト

• DNA: Dual-stage Native Attribution for Generated Image Source Tracing [75.65470221927096]
  既存のプロアクティブな方法は、透かしの埋め込みやモデル修正に依存している。 DNAは、ニューラルネットワークのトレーニングを追加せずに、この階層に従う粗大なフレームワークである。 実験の結果、DNAは89.11%のエンドツーエンドの属性精度を達成している。
  論文  参考訳（メタデータ） (2026-07-15T10:27:52Z)
• Psychometric Validation of the Sophotechnic Mediation Scale and a New Understanding of the Development of GenAI Mastery: Lessons from 3,932 Adult Brazilian Workers [0.0]
  本研究は、GenAIとの長時間の相互作用に関連する思考と行動の様式である、ソフォテクニック・メディエーションを考察する。 2023年から2025年の間に、ブラジルのペルナンブコで3,932人の成人労働者が、独立した横断的なサンプルから収集された。
  論文  参考訳（メタデータ） (2025-12-21T20:11:07Z)
• HiFusion: Hierarchical Intra-Spot Alignment and Regional Context Fusion for Spatial Gene Expression Prediction from Histopathology [7.982889842329205]
  HiFusionは、2つの補完的なコンポーネントを統合する新しいディープラーニングフレームワークである。 HiFusionは,2次元のスライドワイドクロスバリデーションと,より困難な3次元サンプル固有シナリオの両面において,最先端のパフォーマンスを実現する。 これらの結果は、定期的な病理組織学からのST推論の堅牢で正確でスケーラブルな解としてのHiFusionの可能性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-11-17T04:47:39Z)
• Next-Generation Conflict Forecasting: Unleashing Predictive Patterns through Spatiotemporal Learning [0.0]
  本研究では、3つの異なるタイプの暴力を事前に36ヶ月予測するためのニューラルネットワークアーキテクチャを提案する。 このモデルは確率的分類と回帰タスクを共同で実行し、将来の事象の予測と予測等級を生成する。 警告システム、人道的対応計画、証拠に基づく平和構築イニシアチブのための有望なツールである。
  論文  参考訳（メタデータ） (2025-06-08T20:42:29Z)
• Towards Robust and Realistic Human Pose Estimation via WiFi Signals [85.60557095666934]
  WiFiベースの人間のポーズ推定は、離散的で微妙なWiFi信号を人間の骨格にブリッジする難しいタスクである。 本論文は,本問題を再検討し,(1)ドメイン間ギャップ,(2)ソース・ターゲット領域のポーズ分布の顕著な変化,(2)骨格のポーズが歪んだトポロジーを示す構造的フィデリティギャップ,の2つの重要な問題を明らかにする。 本稿では,タスクをDT-Poseと呼ばれる新しい2段階のフレームワークに書き換えることで,これらのギャップを埋める:ドメイン一貫性表現学習とトポロジ制約ポスデコーディング。
  論文  参考訳（メタデータ） (2025-01-16T09:38:22Z)
• Topology-Aware Uncertainty for Image Segmentation [19.248891926246383]
  このようなタスクに対する不確実性の推定に重点を置いているので、人間のアノテータが検証できるように、非常に不確実でエラーを起こしやすい構造を特定できる。 本稿では,隣接する構造物を考慮に入れながら構造物の不確かさを推定する共同予測モデルを提案する。 また,各構造に固有の不確かさをモデル化する新しい確率的DMTを提案する。
  論文  参考訳（メタデータ） (2023-06-09T05:01:55Z)
• Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
  我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。 物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。 本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
  論文  参考訳（メタデータ） (2023-04-25T15:53:45Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)
• Quantifying Model Uncertainty in Inverse Problems via Bayesian Deep Gradient Descent [4.029853654012035]
  逆問題における最近の進歩は、例えばディープニューラルネットワークのような強力なデータ駆動モデルを活用する。 ベイズニューラルネットワークによるモデル不確実性を定量化するための,スケーラブルでデータ駆動型,知識支援型計算フレームワークを開発した。
  論文  参考訳（メタデータ） (2020-07-20T09:43:31Z)
• Seismic horizon detection with neural networks [62.997667081978825]
  本稿では,複数の実地震立方体上での地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。 本研究の主な貢献は,複数実地震立方体における地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
  論文  参考訳（メタデータ） (2020-01-10T11:30:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。