基于多阶段深度学习网络的蒙古模式的细粒度恢复
1College of Computer and Information Engineering, Inner Mongolia Agricultural University, Huhhot, 010000, Inner Mongolia, China. 2022202100014@emails.imau.edu.cn.
Scientific reports
|December 27, 2024
概括
这项研究引入了一种新的深度学习模型,用于恢复受损的蒙古语模式,提供一种高效的数字解决方案. 多阶段网络有效地修复复杂的纹理和颜色,优于现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 数字遗产保护数字遗产的保护
背景情况:
- 传统的蒙古模式面临着由于遗传和保护挑战而面临的退化.
- 手动修复是低效的,耗时的,昂贵的.
- 现有的深度学习图像修复方法不适合复杂的图案,如蒙古图案.
研究的目的:
- 开发一个有效的深度学习模型来恢复受损的蒙古语模式.
- 解决当前图像修复技术对文化意义重大,复杂图案的局限性.
- 提供一个高效的数字解决方案,以保护蒙古的图案.
主要方法:
- 为蒙古语模式恢复提出了一个多阶段的深度学习网络.
- 阶段1: 全球特征学习和恢复的金字塔上下文编码器.
- 第二阶段:使用RIC卷积和MPD下方采样的本地恢复网络.
- 第三阶段:U-Net提供了全球精炼的注意力机制.
主要成果:
- 拟议的模型在蒙古模式修复方面取得了显著的成果.
- 使用峰值信号与噪声比率 (PSNR),结构相似性 (SSIM),LPIPS和L1损失来评估性能.
- 与现有技术相比,该方法显示出更高的性能.
- 对公共数据集的验证证实了该模型的广泛适用性.
结论:
- 多阶段网络为蒙古图案的数字修复提供了高效有效的解决方案.
- 该模型成功地处理了复杂的纹理和丰富的颜色,这是蒙古图案的特征.
- 这项研究为通过数字手段保护文化遗产提供了重要的应用前景.
