Damage-Aware Diffusion Restoration of Intangible Heritage Brocade Images with Pattern-Consistency Loss and Interpretable Cultural Feature Mapping
本文介绍了 PCDR-ITH，这是一种通过整合图案一致性损失和可解释特征映射来修复非物质纺织遗产图像的损伤感知扩散框架，旨在保护文化纹样并提升其感知的真实性，使其较之现有基准模型表现更优。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一座图书馆，其中的书籍并非由纸张制成，而是由丝绸、羊毛和棉布织就，由那些早已逝去的双手编织而成。这些是不可见遗产中的纺织品，如中国精美的织锦和刺绣。它们不仅仅是装饰品，更是视觉的历史记录，将地方神话、家族血脉和精神信仰编码进每一根丝线之中。几个世纪以来，这些脆弱的织物遭受了褪色、撕裂、污渍以及时光缓慢侵蚀的困扰。在数字时代，博物馆和档案管理员转向人工智能来修复这些受损图像，希望能恢复研究与展览所需的视觉清晰度。然而，一种新的问题出现了。标准的计算机程序旨在填补任何图像的缺失部分，却往往将这些文化瑰宝视为普通的照片。它们可能会抹平一道裂痕，或用一个漂亮且看似合理的图案来替换一朵缺失的花朵，但在这样做时，却面临着抹除使该纺织品独一无二的特定文化逻辑的风险。一个修复后的龙爪看起来可能对机器而言非常完美，但如果它的指向错误或缺乏传统的象征意义，那么这幅图像就不再是其声称代表的遗产的忠实记录。
这种视觉平滑度与文化真实性之间的紧张关系，正是哥伦比亚大学乔子恒（Ziheng Qiao）领导的一项近期研究所解决的核心挑战。研究团队致力于构建一种能够理解“漂亮的图片”与“具有文化准确性的图片”之间区别的数字修复工具。他们专注于八类不同的中国纺织遗产，包括苗族刺绣、侗族锦以及著名的南京云锦。团队收集了近 2,800 张这些纺织品的经过验证的图像，涵盖了从简单的几何图形到高度复杂的象征性设计。为了测试他们的想法，他们创建了数千个模拟受损版本的图像，通过遮盖部分区域来模拟撕裂、污渍和织物缺失。随后，他们对比了三种修复这些空缺的方法：一种是标准的修复工具，一种是基于通用视觉模式生成新像素的现代 AI 系统，以及他们自己的新系统，他们将其命名为“面向非物质文化遗产的模式一致性扩散修复”（Pattern-Consistent Diffusion Restoration for Intangible Textile Heritage）。
该新系统的设计有一个明确的目标：确保它所生成的任何内容都能严格遵循纺织品原始设计的规则。虽然标准 AI 模型试图让缺失区域看起来属于这张图片，但这个新模型被教导去观察周围的图案，并询问新内容是否尊重了局部纹样和全局布局。它会检查设计的对称性是否得到保持，重复单元是否匹配，以及计算机的注意力是否聚焦于具有文化意义的符号而非仅仅是背景纹理。研究人员使用大型数据集训练该系统，然后将其与另外两种方法进行对比测试。他们不仅测量了图像看起来有多清晰，还测量了修复后的图案是否符合原始的文化语法。
结果揭示了一个挑战我们通常判断图像质量方式的明显权衡。当观察标准的视觉清晰度指标（例如像素与原图的匹配程度或图像的平滑度）时，新系统的表现与先进的 AI 基准模型相似。它并没有产生绝对锐利或视觉上最无缝的图像。然而，当研究人员观察文化细节时，新系统脱颖而出。它在保留特定纹样形状、维持正确对称性以及确保修复区域能激活与原始未受损部分相同的文化符号方面，表现得显著更好。相比之下，其他 AI 模型虽然能产生非常平滑且自然的图像，但偶尔会引入不属于该特定纺织传统的通用花卉图案或装饰元素。它们用对机器而言看起来很合理、但对文化而言却是错误的东西填补了空白。
为了了解这些技术改进是否对人类有意义，研究人员进行了一项涉及 500 多名参与者的大型实验。志愿者们观看修复后的图像，并被要求判断这些图像感觉多么真实，以及它们是否有助于他们理解这项遗产。研究发现了一条直接的因果链。由新系统修复的图像被认为具有更高的文化可解释性，因为其图案是一致且可识别的。这种可解释性使观众感知到图像更具真实感。至关重要的是，这种真实感让人们更愿意支持这些数字瑰宝的保护工作，并更渴望了解其背后的历史。研究表明，当修复过程具有文化忠实度时，它不仅仅是看起来好看，它还能建立信任并促进参与。
研究还强调了专家验证的重要性。一个包括纺织品历史学家和博物馆馆员在内的专家小组对输出结果进行了评审。他们确认，新系统产生的修复效果更忠实于纺织品的设计规则，即使它在视觉平滑度上略逊于通用的 AI 版本。专家们指出，新系统避免了“幻觉”现象——即创造出从未在原始传统中存在的装饰性细节，这是 AI 常有的问题。研究结论认为，对于非物质文化遗产而言，修复的目标不应是创造一个完美、无缝的图像，而应是创造一个负责任的图像。该新框架提供了一种在修复受损文化记录的同时，保持其文化逻辑完整性的方法，确保这些纺织品的数字未来能够忠于其过去。通过将技术精度与文化责任感相结合，研究人员为尊重人类历史复杂性的数字遗产提供了一条前进的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。