Découvertes de tracés inédits par imagerie hyperspectrale dans la grotte ornée paléolithique Mayenne-Sciences (France)
Bibliographic record
Abstract
L’étude de l’art rupestre bénéficie désormais des avancées technologiques en imagerie. Parmi ces technologies, l’imagerie hyperspectrale (HSI) se révèle être un outil puissant pour analyser les peintures anciennes en révélant des détails invisibles à l’œil nu. Les travaux de recherche présentés appliquent l’HSI à l’art rupestre paléolithique de la grotte ornée Mayenne-Sciences (Mayenne, France), dont les dessins et gravures datent du Gravettien. L’objectif principal était de déterminer quel type d’informations supplémentaires l’HSI peut apporter par rapport aux méthodes traditionnelles d’analyse d’art rupestre, en particulier dans le spectre visible et le très proche infrarouge. L’enjeu était également de tester l’application dans un contexte difficile : une obscurité totale nécessitant un éclairage adapté, une hygrométrie élevée et la présence de particules d’argile pouvant s’infiltrer dans les appareillages. Un imageur HSI Specim IQ a permis d’acquérir des images hyperspectrales sous éclairage artificiel de différentes figures pariétales, principalement tracées au pigment noir sur des concrétions calcaires. Des transformations mathématiques avancées réduisant la dimensionnalité des données ont permis d’extraire, de différencier les pigments utilisés et de révéler des tracés jusqu’alors inconnus. Un bison dessiné au charbon, très altéré, est apparu quasiment tel qu’il était lors de son tracé initial. Par ailleurs, deux chevaux semblent avoir été tracés en plusieurs fois. Nos résultats montrent que l’HSI est particulièrement efficace pour améliorer le contraste des pigments dans le visible, tout en apportant de nouvelles informations discriminantes dans la partie très proche infrarouge du spectre. Cette méthode non invasive a permis de révéler de nouvelles figures, de préciser la composition des pigments et d’apporter des éléments inédits sur les méthodes de création de ces œuvres d’art. Cette étude souligne l’importance de l’intégration des technologies d’imagerie avancées dans l’étude de l’art rupestre et ouvre des perspectives pour l’application de l’HSI à d’autres sites archéologiques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".