earticle

영어

This study analyzes explainable artificial intelligence (XAI) algorithms for ensuring the reliability of AI-based cultural heritage restoration. Traditional AI restoration algorithms often suffer from opacity in their data learning processes, leading to issues with trustworthiness. In particular, the basis for restoration is crucial for ensuring reliability in the restoration of cultural heritage, such as traditional pagodas. The study compares three XAI algorithms Grad-CAM, LIME, and SHAP—by evaluating their suitability for pagoda restoration through Base Case and Worst Case analysis. The results demonstrate that Grad-CAM is the most suitable explainable AI algorithm for this task. While each algorithm has its unique characteristics, future research should focus on improving restoration reliability by incorporating backpropagation to correct misreferenced data.

한국어

본 연구는 문화유산 복원에서 인공지능(AI) 모델의 신뢰성 보장을 위한 설명가능한 인공지능(XAI) 알고리즘 을 분석하였다. 기존의 AI 복원 알고리즘은 내부 데이터 학습 과정의 불투명성으로 신뢰성 문제를 발생시킬 수 있다. 특히 전통 탑(Pagoda)의 복원에서 복원 근거는 신뢰성을 보장하는 중요한 요소이다. 연구에서는 Grad-CAM(Gradient-weighted Class Activation Mapping), LIME(Local Interpretable Model-agnostic Explanations), SHAP(SHapley Additive exPlanations) 세 가지 XAI 알고리즘을 비교하여 각 알고리즘의 적합 성을 분석하고, Base Case와 Worst Case를 구분하여 평가했다. 그 결과, Grad-CAM이 탑 복원에 가장 적합한 설명가능한 알고리즘으로 확인되었다. 각 알고리즘은 고유한 특성을 가지며, 향후 연구에서는 잘못 참조된 데이터 에 대한 역전파 기능을 활용하여 더욱 신뢰성 있는 복원 방법을 개발할 필요가 있다.