Wavelet-Diffusion Collaborative Framework for Ancient Mural Restoration

古老的壁画是脆弱的历史见证，捕捉了数世纪的艺术演变、社会习俗和精神信仰。从中国名作中繁忙的河流场景到山间隐逸的空灵景观，这些作品都承载着不可替代的价值。然而，时间和环境是无情的敌人。湿度、光照、污染以及丝绸和矿物颜料等材料的自然老化，导致这些壁画出现褪色、开裂和崩塌。统计数据表明，在中国估计两百万件古代书画作品中，有很大一部分表现出不同程度的损坏，这使得修复工作变得迫在眉睫。几十年来，唯一的解决方案是人类专家的精细工作，这一过程既缓慢又具有主观性，且存在对脆弱表面造成进一步伤害的风险。近年来，计算机提供了一条新路径，利用人工智能来填补缺失的部分并修复色彩，而无需触碰原作。然而，目前的计算机方法面临着一个艰难的权衡：它们要么可以重建绘画的宏观轮廓，要么可以修复细腻的笔触细节，但很难两者兼顾，尤其是在损坏严重的情况下。

一个研究团队开发了一种新方法来解决这一问题，创造了一个能够同时实现结构准确性和精细纹理细节的古代壁画修复系统。他们的这种方法（在最近的一项研究中有所描述）结合了两个强大的理念：计算机生成新图像的方式，以及将图像分解为不同频率层的数学技术。该框架并非要求计算机一次性修复整幅受损绘画（正如大多数现有系统所做的那样），而是首先将图像分解为其基本组成部分。它将平滑、宽阔的形状与颜色，从锐利、复杂的线条和纹理中分离出来。这种分离使得计算机能够并行处理大规模结构和微小细节，而不是试图同时应对两者。通过在这些分离的层级上进行繁重的工作，该系统变得更加快速，且所需的计算能力大大降低，从而使得处理以往难以处理的高分辨率图像成为可能。

这项创新的核心是一个在“小波域”（一个基于频率成分而非原始像素来观察图像的技术术语）中运行的协作框架。想象一下，图像不再是一个由彩色点组成的网格，而是一个不同层的集合：一层承载着整体形状和颜色，而其他层则承载着边缘、裂缝和细腻的笔触。研究人员的系统首先将受损的壁画拆分为这四个截然不同的层。然后，它使用一种以能够从零开始创建逼真图像而闻名的生成模型（一种人工智能类型）来修复每个层中的缺失部分。至关重要的是，系统利用壁画中剩余的、未受损的部分作为引导，以确保新生成的内容与原作风格完美契合。由于计算机是在这些较小的、分离的层级上而非完整的、庞大的图像上进行操作，因此它可以更快地完成复杂的计算。一旦每个层级的缺失部分被填补完毕，系统就会将它们缝合在一起，形成一幅完整的、修复后的绘画。

该方法的成果令人瞩目。在对以佛教经文和天界场景为特色的敦煌壁画进行的大规模集合测试中，这一新系统表现优于所有现有方法。它在重建图像方面达到了极高的准确度，在一项关键测量指标中得分为 32.04 dB，结构相似性得分达到 0.92. 均显著高于以往的技术。在另一个针对壁画图像数据集的测试中，它再次取得了最佳的整体结果，得分为 18.95 dB。除了数字之外，修复图像的视觉质量也更为出色。旧的方法往往会导致边缘模糊或丢失古代颜料的颗粒感，而这种新方法则保留了面部轮廓的锐度以及色彩的微妙过渡。它成功地重建了大规模的缺失区域，而没有扭曲构图或引入不自然的图案。该系统在保持真实的艺术风格方面表现得尤为有效，避免了经常困扰其他 AI 修复工具的色彩偏移和重复纹理问题。

研究人员还将他们的系统与直接作用于完整图像而不进行层级分离的标准版本技术进行了对比测试。他们发现，新方法不仅更准确，而且速度大幅提升，完成修复仅需约 9.5 秒，而标准方法则需要超过 35 秒。这种速度的提升并未牺牲质量；事实上，层级分离使得系统能够专注于特定问题，例如修复断裂的线条或恢复褪色的色彩，从而实现更高的精度。这项研究证实，通过改变计算机“看待”图像的方式——在修复前将其分解为频率层——修复者可以达到以前无法企及的细节水平和结构完整性。这一进步为保护文化遗产提供了一个实用且高效的工具，确保了古代壁画精美的艺术魅力得以被找回并为后代所守护。