Wavelet-Diffusion Collaborative Framework for Ancient Mural Restoration

Les peintures murales anciennes sont des témoins fragiles de l'histoire, capturant des siècles d'évolution artistique, de coutumes sociales et de croyances spirituelles. Des scènes de rivières animées des chefs-d'œuvre chinois aux paysages éthérés des retraites montagnardes, ces œuvres possèdent une valeur irremplaçable. Pourtant, le temps et l'environnement sont des ennemis implacables. L'humidité, la lumière, la pollution et le vieillissement naturel de matériaux tels que la soie et les pigments minéraux provoquent la décoloration, la fissuration et l'effritement de ces fresques. Les statistiques indiquent qu'une partie significative des quelque deux millions de peintures et de calligraphies anciennes de Chine présente divers degrés de dommages, créant un besoin urgent de restauration. Pendant des décennies, la seule solution fut le travail minutieux d'experts humains, un processus lent, subjectif et risquant de causer de nouveaux dommages aux surfaces délicates. Ces dernières années, les ordinateurs ont offert une nouvelle voie, utilisant l'intelligence artificielle pour combler les parties manquantes et réparer les couleurs sans toucher à l'œuvre originale. Cependant, les méthodes informatiques actuelles sont confrontées à un compromis difficile : elles peuvent soit reconstruire les formes générales d'une peinture, soit restaurer les détails fins des coups de pinceau, mais rarement les deux à la fois, surtout lorsque les dommages sont sévères.

Une équipe de chercheurs a développé une nouvelle approche pour résoudre ce problème, créant un système qui restaure les murales anciennes avec à la fois une précision structurelle et un détail textural fin. Leur méthode, décrite dans une étude récente, combine deux idées puissantes : la manière dont les ordinateurs génèrent de nouvelles images et la technique mathématique consistant à décomposer une image en différentes couches de fréquence. Au lieu de demander à un ordinateur de réparer une peinture endommagée d'un seul bloc, comme le font la plupart des systèmes actuels, ce nouveau cadre sépare d'abord l'image en ses composants de base. Il extrait les formes et les couleurs larges et lisses des lignes et des textures fines et complexes. Cette séparation permet à l'ordinateur de travailler sur la structure à grande échelle et sur les détails minuscules en parallèle, plutôt que d'essayer de les gérer simultanément. En effectuant le gros du travail sur ces couches séparées, le système devient beaucoup plus rapide et nécessite beaucoup moins de puissance de calcul, rendant possible la restauration d'images à haute résolution qui étaient auparavant trop difficiles à traiter.

Le cœur de cette innovation est un cadre collaboratif qui opère dans un « domaine des ondelettes », un terme technique pour une façon de percevoir une image basée sur ses composantes de fréquence plutôt que sur ses pixels bruts. Imaginez une image non pas comme une grille de points colorés, mais comme une collection de différentes couches : une couche contenant la forme et la couleur globales, et d'autres couches contenant les bords, les fissures et les coups de pinceau fins. Le système des chercheurs divise d'abord la murale endommagée en ces quatre couches distinctes. Il utilise ensuite un modèle génératif, un type d'intelligence artificielle reconnu pour sa capacité à créer des images réalistes à partir de rien, pour réparer les parties manquantes dans chaque couche. Crucialement, le système utilise les parties de la murale restantes et intactes comme guide pour s'assurer que le nouveau contenu s'intègre parfaitement au style original. Parce que l'ordinateur travaille sur ces couches plus petites et séparées plutôt que sur l'image complète et massive, il peut effectuer les calculs complexes beaucoup plus rapidement. Une fois que les parties manquantes dans chaque couche sont comblées, le système les recoud pour former une peinture complète et restaurée.

Les résultats de cette méthode sont frappants. Testé sur une large collection de murales de Dunhuang, qui présentent des écritures bouddhistes et des scènes célestes, le nouveau système a surpassé toutes les méthodes existantes. Il a atteint un haut niveau de précision dans la reconstruction de l'image, avec un score de 32,04 dB dans une mesure clé et un score de similitude structurelle de 0,922, deux valeurs nettement supérieures aux techniques précédentes. Dans un autre test sur un autre ensemble de données d'images de murales, il a de nouveau obtenu les meilleurs résultats globaux, avec un score de 18,95 dB. Au-delà des chiffres, la qualité visuelle des images restaurées est supérieure. Là où les anciennes méthodes produisaient souvent des bords flous ou perdaient la texture granuleuse de la peinture ancienne, cette nouvelle approche préserve la netteté des contours du visage et les subtiles dégradations de couleur. Elle a réussi à reconstruire de larges zones manquantes sans déformer la composition ni introduire de motifs non naturels. Le système s'est avéré particulièrement efficace pour maintenir le style artistique authentique, évitant les changements de couleur et les textures répétitives qui affectent souvent les autres outils de restauration par IA.

Les chercheurs ont également testé leur système contre une version standard de la même technologie qui travaille directement sur l'image complète sans séparer les couches. Ils ont constaté que la nouvelle méthode était non seulement plus précise, mais aussi considérablement plus rapide, complétant la restauration en environ 9,5 secondes contre plus de 35 secondes pour l'approche standard. Cette augmentation de la vitesse se fait sans sacrifier la qualité ; en fait, la séparation des couches a permis au système de se concentrer sur des problèmes spécifiques, tels que la réparation des lignes brisées ou la restauration des couleurs délavées, avec une plus grande précision. L'étude confirme qu'en changeant la façon dont l'ordinateur « voit » l'image — en la décomposant en couches de fréquence avant de la réparer — les restaurateurs peuvent atteindre un niveau de détail et d'intégrité structurelle qui était auparavant hors de portée. Cette avancée offre un outil pratique et efficace pour la préservation du patrimoine culturel, garantissant que la beauté complexe des anciennes murales puisse être récupérée et protégée pour les générations futures.