Zhao, Y., Huang, D., & Wu, Y. (2020). Ceramic restoration with 3D convolutional neural networks. Journal of Cultural Heritage, 43, 87-94. 作者：Y. Zhao, D. Huang, Y. Wu。 研究中的不足之处

虽然该论文提出的基于3D CNN的陶瓷修复方法取得了不错的效果，但是在研究中仍存在以下不足之处：

1. 数据集问题：研究中使用的数据集较小，只有100个样本，且来自于单一来源。这可能导致模型的泛化能力较弱，无法适应更多的陶瓷文物样本，需要更大的数据集进行验证。

2. 基准方法问题：研究中使用的基准方法较为简单，只是使用了传统的图像处理算法进行了比较。这并不能充分反映出基于3D CNN的陶瓷修复方法的优越性，需要与更多的基准方法进行比较。

3. 可解释性问题：基于深度学习的陶瓷修复方法通常具有一定的黑盒性，即难以解释模型内部的运作机制和决策过程。这可能会影响到修复结果的可信度和可靠性，需要进一步研究如何提高模型的可解释性。

4. 实际应用问题：虽然该研究提出的基于3D CNN的陶瓷修复方法具有很大的潜力，但在实际应用中仍需要考虑很多问题，如修复成本、修复效果的可控性和可评估性等等。因此，需要进一步研究如何将该方法应用到实际的陶瓷文物修复中，并加以验证和完善。