Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.19986

帮助 | 高级搜索

计算机科学 > 信息检索

arXiv:2510.19986 (cs)
[提交于 2025年10月22日 ]

标题: 自动化Iconclass:大型宗教木刻的大规模分类中的LLMs和RAG

标题: Automating Iconclass: LLMs and RAG for Large-Scale Classification of Religious Woodcuts

Authors:Drew B. Thomas
摘要: 本文提出了一种新的方法,通过结合大型语言模型(LLMs)和向量数据库以及检索增强生成(RAG),对早期现代宗教图像进行分类。 该方法利用了神圣罗马帝国书籍插图的全页上下文,使LLM能够生成包含视觉和文本元素的详细描述。 然后通过混合向量搜索将这些描述与相关的Iconclass代码匹配。 该方法在五个和四个分类级别上的精度分别达到87%和92%,显著优于传统的图像和关键词搜索。 通过使用全页描述和RAG,系统提高了分类准确性,为早期现代视觉档案的大规模分析提供了一个强大的工具。 这种跨学科方法展示了LLMs和RAG在推进艺术史和数字人文学科研究方面的日益增长的潜力。
摘要: This paper presents a novel methodology for classifying early modern religious images by using Large Language Models (LLMs) and vector databases in combination with Retrieval-Augmented Generation (RAG). The approach leverages the full-page context of book illustrations from the Holy Roman Empire, allowing the LLM to generate detailed descriptions that incorporate both visual and textual elements. These descriptions are then matched to relevant Iconclass codes through a hybrid vector search. This method achieves 87% and 92% precision at five and four levels of classification, significantly outperforming traditional image and keyword-based searches. By employing full-page descriptions and RAG, the system enhances classification accuracy, offering a powerful tool for large-scale analysis of early modern visual archives. This interdisciplinary approach demonstrates the growing potential of LLMs and RAG in advancing research within art history and digital humanities.
评论: 29页,7幅图。首次在“数字人文与人工智能”会议上提出,该会议于2024年6月17日在英国雷丁大学举行。
主题: 信息检索 (cs.IR) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2510.19986 [cs.IR]
  (或者 arXiv:2510.19986v1 [cs.IR] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.19986
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Drew Thomas [查看电子邮件]
[v1] 星期三, 2025 年 10 月 22 日 19:34:19 UTC (841 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
许可图标 查看许可
当前浏览上下文:
cs.IR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号