相关实验视频
Updated: Apr 30, 2026
08:07
Laser-induced Forward Transfer of Ag Nanopaste
Published on: March 31, 2016
11.3K
用边缘和线路引导的扩散贴片GANAN涂抹受损的寺壁画
1Department of Computing Technologies, SRM Institute of Science and Technology, Kattankulathur, Chengalpattu, India.
Frontiers in artificial intelligence
|November 21, 2024
概括
这项研究引入了一种新的人工智能模型,用于恢复古代壁画中大量受损的区域. 生成对抗网络 (GAN) 和扩散模型架构有效地重建细节和颜色,保持艺术完整性.
科学领域:
- 数字艺术修复 数字艺术修复
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 古老的壁画是不可估量的文化遗产,但容易退化.
- 当前的数字修复方法往往无法有效地解决大面积的自然退化区域.
- 现有的技术可能使用不充分的掩盖策略,导致维修结果不足.
研究的目的:
- 开发一种新的AI架构,用于在壁画中重建广泛的自然退化区域.
- 为了保持内在细节,防止色彩偏差,并保持壁画的艺术品质.
- 改进现有的图像绘制技术,以保护文化遗产.
主要方法:
- 生成对抗网络 (GAN) 和扩散模型的整合.
- 使用整个结构形成网络 (WSFN) 带有图像,线图和边缘图输入.
- 使用语义色彩网络 (SCN) 与封闭卷积用于纹理 inpainting.
- 包含一个扩散混合物分配 (DIMD) 区分器.
- 扩大受感场,以有效地进行大面积的绘画.
主要成果:
- 与最先进的方法相比,拟议的模型在定量分析中表现出优异的性能.
- 在SSIM (0.8853),MSE (0.0021),PSNR (29.8826) 和LPIPS (0.0426) 等指标中获得高分.
- 成功重建了大面积的自然退化区域,同时保留了壁画细节和艺术卓越.
结论:
- 新的GAN和扩散模型架构在古代壁画的数字修复方面取得了重大进展.
- 该方法有效地解决了大面积涂料的挑战,保持了真实性和美学质量.
- 这种方法为通过先进的人工智能技术保护文化遗产提供了有希望的解决方案.
