解码过去：一种面向史前手印模性别归属的不确定性感知深度学习框架

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

arXiv: 2608.14539v1

论文信息

标题: Decoding the Past: An Uncertainty-Aware Deep Learning Framework for Sex Attribution in Prehistoric Hand Stencils

作者: Karel Becerra, Boris Mederos, Dean Snow, et al.

发布日期: 2026-08-14

arXiv ID: 2608.14539v1

PDF 链接: 下载 PDF

3 分钟速览

  • 研究问题：这篇论文要解决旧石器时代手印的作者生物学性别归属问题，尤其是在缺乏真值、图像退化和跨人群差异下如何给出可靠推断。
  • 核心方法：用 “不确定性感知” 深度学习流水线，通过双图像/双轮廓、12 种剪影变体、两个深度模型集成（EfficientNet-B3 与 MobileViT-S）以及 UMAP + k-NN 和 LayerCAM 三种证据进行三角验证。
  • 关键结果：在当代测试集的 [12–19] 岁年龄组中，EfficientNet-B3 集成（sum 聚合）准确率达到 88.4%（表 3）。
  • 主要局限：作者明确承认，现代参考人群与旧石器时代晚期人群的手部形态分布差异未知，结果只能视为概率推断而非确定性判定（第 5 节）。
  • 适合读者：从事考古数字人文、计算机视觉、深度学习不确定性量化，或文化遗产人工智能的研究者与工程师。

论文背景和研究动机

手印、手部阴印是旧石器时代洞穴艺术中最常见的形式之一，被一些研究者视为个人签名、仪式标记或群体凝聚的象征。过去几十年，研究者尝试用手长、指长、2D:4D 比值等形态计量学特征推断创作者性别，但传统方法存在明显局限：两性手部尺寸高度重叠、不同现代人群之间泛化差，而且手工特征选择依赖主观经验。论文指出，仅依赖尺寸和比例的方法在考古样本上的准确率常只有 60–65% 左右（见论文第 1 节）。

近年来已有工作把 SVM、判别分析和深度神经网络引入手印性别判断。本文是在一项早期深度学习方法（Mollineda 等）的基础上做的扩展。作者认为，前人的深度学习方法虽然避免了手工特征工程，但仍未系统处理两组不确定性：一是图像和注释层面的不确定性，如颜料侵蚀、边界模糊、手工描边的主观差异；二是跨域迁移的不确定性，即模型在现代手部数据上训练后应用于史前样本。

核心方法和技术细节

整体流水线分为三个阶段。第一阶段是剪影提取与增强。对每张手印同时处理原始图和色调增强图，得到两个手工轮廓 S1S_1 和 S2S_2。为了不把某一轮廓当作 “唯一真相”，论文用四种二元算子生成中间表示：AND（SandS_{and}，高置信交集）、OR（SorS_{or}，形状包络并集）、AVG（SavgS_{avg}，概率化软剪影）和 morphological mid-set（SmidS_{mid}，几何中集）。此外，为匹配三通道 CNN 输入，又构造 6 种三通道组合，因此每个手印最终产生 12 种剪影表示（见第 3.3.2 节）。

当代训练数据来自 RSNA Bone Age Challenge，共 14,036 张左手 X 光片。论文先用 Segment Anything Model 的零提示策略提取剪影，最终用于训练、验证、测试的轮廓数分别为 12,509、1,416 和 196（第 4.1.1 节）。模型级不确定性通过训练样本随机顺序带来的不同局部极小值实现；论文没有进行显式超参数调优，作者表示这是为了让框架对非专业人员更友好（第 3.3.3 节）。

第二阶段是集成分类。两个架构 EfficientNet-B3 和 MobileViT-S 各自训练 10 个实例，每个实例处理 12 种剪影，因此每个手印得到 240 个概率预测（每架构 120 个）。聚合分两层：先在模型实例之间用 sum 或 max 融合每个剪影变体，再在 12 个剪影变体之间投票。论文用两个指标衡量内部一致性：剪影支持率 SSR 和平均分类边界 ACM。SSR 范围为 0.5–1，表示多少剪影变体支持最终类别；ACM 反映平均分类边界的强弱。

第三阶段是后验分析。作者将 EfficientNet-B3 每一实例学到的 1536 维特征经 UMAP 投影到二维，再用 k-NN 对史前手印做二次分类。同时，LayerCAM 为每个手印生成 120 张归因图（12 个剪影 × 10 个模型实例），用几何中位数聚合出稳定的原型热图。三路证据共同构成论文所说的 “三角化验证”。

创新点和贡献

论文把不确定性从 “待消除噪声” 转变为 “可分析信号”。其核心贡献可归纳为三点：第一，提出覆盖源图、注释、形态、表示、模型和决策多个层次的显式不确定性建模流水线；第二，用结构化剪影增强生成多种可信轮廓，而不是单一路径；第三，把集成预测、二维潜在空间结构和归因图聚合为三角验证，用一致/分歧程度区分稳定判断与模糊案例（见第 1 节列出的贡献）。

与传统方法相比，该框架不给出单一的 “男/女” 标签，而是同时报告 SSR、ACM、k-NN 支持率以及归因模式。论文认为，这种设计更适合没有生物学真值的考古场景：高共识案例可以作为更可信的辅助证据，低共识案例则应报告为不确定而非强行归类。

实验结果分析

在当代数据上，两种架构的单个模型平均测试准确率均随年龄组上升：例如 EfficientNet-B3 在 [12–19] 岁组平均为 85.3%±0.6%，其 sum 聚合集成达到 88.4%；MobileViT-S 的 max 聚合也达到 88.4%（表 3）。集成在大多数配置下优于单个模型平均准确率，尤其在 [0–6) 岁组，EfficientNet-B3 从单个模型平均 68.1%±1.9% 提升至集成 76.2%（表 3）。这说明在该数据集上，模型多样性聚合能提高小年龄组的稳定性。

史前样本部分，论文只选了 9 个手印作为案例，并非代表性抽样。高共识案例包括 El Castillo img_26、img_28、Cosquer 和 El Castillo 25：它们的 SSR 通常为 1，ACM 较高，且 k-NN 支持率也高（表 4、表 5）。例如 img_26 被两种架构一致判为女性，SSR=1；El Castillo 25 一致判为男性，SSR=1。分歧案例则包括 img_31、Pech Merle 和 Chauvet：这些手印在 EfficientNet-B3 与 MobileViT-S 之间或不同聚合规则之间出现标签翻转，SSR/ACM 也较低。

潜在空间分析中，k-NN 预测与 EfficientNet-B3 集成预测在全部 9 个案例上标签一致（表 5）。LayerCAM 聚合热图显示，模型注意力主要集中在手指、指间区域和掌骨头部，而不是整个手掌或背景。作者认为这与人手两性异形的已知骨骼特征较吻合，但同时指出归因图不能证明因果关系（第 5 节）。具有高共识的案例通常表现出更集中、解剖学上可解释的激活模式；低共识案例的热图则更分散（表 6）。

实践建议

对于考古数字人文项目，这套流水线最值得借鉴的不是 “用深度学习做性别判断”，而是把不确定性纳入决策流程。实际部署时，应至少保留多个图像版本和多个手工轮廓，不把某一次分割当作真值；报告 SSR、ACM 和跨架构一致性，而不是只输出单一类别。若某手印的 SSR 接近 0.5，或两个架构方向相反，论文的做法是将其视为证据不足的模糊案例。

对于更一般的 AI/ML 工程场景，尤其是缺少目标域真值、需要跨域迁移的任务，可以采用类似的多表示 + 多模型 + 分数聚合 + 可解释性验证结构。该框架中每个模块都不复杂，但组合起来能暴露输入和模型带来的不稳定性。论文提供 公开数据集 与 代码仓库，便于复现或改造。

需要避免的误区是，把高共识预测理解为 “证明” 了某位史前作者是男性或女性。论文的作者也强调，所有监督学习方法都依赖现代参考人群，无法直接验证史前人群形态分布；因此这些输出应被视作证据链中的一类，而不是终审判决。