在图像中，结构化表示能够表征语义对象及其关系，为传统中国绘画（TCP）的语义理解提供有效支持，进而促进考古学和艺术史研究。
然而，现有的大多数图像导向结构化表示方法在TCP上表现不佳，主要面临两个挑战：1）TCP中的对象和事件与现代自然图像有显著差异，导致语义误解；2）即使是领域专家，也难以准确识别TCP中的古代对象和事件。
为此，本文提出了VisTCP，一个结合TCP导向智能模型和专家知识的可视化框架，旨在帮助艺术史学家以人机协作的方式实现可信的TCP结构化表示。
首先，我们与三位领域专家进行初步研究，构建TCP的语义分类法。接着，利用专家标注的数据训练TCP导向的结构化表示模型，能够自动提取TCP中有意义的对象及其关系。
为了告知用户模型的不确定性，我们设计了一个联合嵌入可视化视图，展示专家标注与模型预测之间的差异。这使得用户能够基于领域知识优化结构化表示，实现模型的迭代优化。
最后，我们在真实数据集上进行案例研究、使用场景和专家访谈，展示了VisTCP在支持TCP结构化表示和语义理解方面的有效性。
博主点评： 通过结合领域知识与智能模型，VisTCP提供了一种创新方法来处理传统中国绘画的复杂性，有效解决了传统图像处理方法的局限性。这种人机协作的方式不仅提高了模型的准确性，也增强了艺术史研究的深度和广度。该框架的可视化效果为用户提供了更直观的理解，值得在更多领域推广应用。