Earticle

초록

영어

Roof tiles constitute important archaeological materials for understanding ancient architecture, production systems, and technological traditions. Decorative patterns and manufacturing traces preserved on these materials provide valuable information regarding chronology, regional characteristics, production techniques, and workshop organization. However, conventional studies of roof tiles have relied heavily on visual inspection and expert experience, making the analysis of large-scale datasets both time-consuming and labor-intensive. This study aims to examine the applicability of recent advances in artificial intelligence (AI)-based image recognition technologies to roof tile research and to propose methodological approaches for their practical utilization. The study identifies major visual patterns observable in archaeological roof tiles, including roof-end tile motifs, paddle marks, stamped inscriptions, textile impressions, and cord marks. Furthermore, it explores the application of large multimodal models (LMMs) and computer vision technologies to automatically extract and analyze image data from excavation reports and archaeological archives. Object detection, image classification, and image segmentation techniques are discussed as effective tools for recognizing the location, morphology, and distribution of decorative and technological features. In addition, image augmentation and similarity search methods are considered for constructing reliable datasets and improving classification accuracy. The integration of AI technologies with textual, visual, and three-dimensional data is expected to facilitate a more comprehensive understanding of production systems, distribution networks, and technological changes that have been difficult to reconstruct using traditional approaches. This study demonstrates the potential of AI-assisted methodologies to transform roof tile research into a more systematic and quantitative field and suggests new directions for digital archaeology and cultural heritage studies.

한국어

기와는 고대 건축 및 생산체계를 연구하는 데 중요한 자료이다. 수막새·암막새·평기와 등에 나타나는 문양과 제작흔은 시대와 지역, 제작기술 및 생산집단의 특성을 반영한다. 그러나 기존의 기와 연구는 연구자의 육안 판독과 경험에 크게 의존하여 자료 분류와 비교 과정에서 많은 시간과 노동이 요구되며, 대량의 자료를 체계적으로 분석하는 데 한계가 있었다. 이에 본 연구는 최근 급속히 발전한 AI 기반 이미지 판별 기술을 기와 연구에 적용할 가능성을 검토하고, 실제 연구에 활용할 수 있는 기술적 방법론을 제시하는 데 목적이 있다. 대형 멀티모달 모델(LMM)과 컴퓨터 비전(Computer Vision) 기술을 활용하여 기존 발굴보고서와 이미지 자료를 자동으로 분석·추출하는 방안을 제안하였다. 특히 객체 탐지(Object Detection), 이미지 분류(Image Classification), 이미지 분할(Image Segmentation) 등의 기술을 활용하면 문양의 위치와 형태, 제작흔의 종류와 분포를 효율적으로 판별할 수 있으며, 데이터 증강과 유사 이미지 검색 기술을 통해 기와 데이터셋 구축과 자동 분류의 정확도를 향상시킬 수 있음을 논의하였다. 아울러 AI 기반 분석은 텍스트와 이미지, 3D 데이터 등 다양한 정보를 통합하여 기존 연구에서 파악하기 어려웠던 생산체계와 유통관계, 제작기법의 변화 등을 규명하는 데 기여할 수 있다. 본 연구는 기와 연구가 디지털 전환과 AI 기술의 도입을 토대로 더욱 정량적이고 체계적인 연구 방법론으로 확장될 가능성을 제시하였으며, 향후 고고학 및 문화유산 연구 전반의 새로운 연구 방향을 모색하는 기초 자료가 될 것으로 기대된다.

목차

요약
Ⅰ. 머리말
Ⅱ. 기와 연구에서 이미지 판별의 중요성
Ⅲ. 기와 연구에 활용 가능한 이미지 판별 AI 기술 제안
Ⅳ. 맺음말
참고문헌
ABSTRACT

키워드

저자

• 신진섭 [ Shin Jin-seop | 한국과학기술정보연구원 책임연구원 ]
• 최경환 [ Choi Gyeong-hwan | 문화체육관광부 학예연구관 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국기와학보

• 간기

  반년간

• pISSN

  2733-7499

• 수록기간

  2020~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 658 DDC 738