MIT学生打印AI聚合物面具在数小时内修复绘画

可移除的透明薄膜可直接将数字修复应用于受损艺术品。

从开始到结束的修复过程。左图：受损状态下的绘画。中间：诊断图，绿色表示木板完全断裂，红色标记显著的颜料开裂，蓝色突出主要的颜料损失区域，粉色标识如划痕等轻微损伤。右图：应用聚合物面具后的完整修复结果。 Credit: MIT

MIT研究生亚历克斯·卡奇金曾花费九个月时间精心修复一幅受损的巴洛克风格意大利绘画，这让他有大量时间思考是否能用技术加速这一过程。上周，MIT新闻宣布了他的解决方案：一种使用AI生成的聚合物薄膜物理修复受损绘画的技术，可在数小时而非数月内完成。这项研究发表于《自然》杂志。

卡奇金的方法通过打印包含数千个精确配色区域的透明”面具”，使保护者可直接应用于原作。与永久改变绘画的传统修复不同，这些面具据称可在需要时移除。这是一种可逆过程，不会永久改变绘画。

“由于有数字记录显示使用了哪种面具，100年后，下次有人处理这幅画时，将能非常清楚地了解对这幅画做了什么，”卡奇金告诉MIT新闻。”这是以前保护工作中从未实现过的。”

论文中的图1。

论文中的图1。 Credit: MIT

《自然》报道称，由于损坏和修复积压，多达70%的机构艺术收藏品无法向公众展示——大量文化遗产被存放在仓库中无人可见。传统的修复方法需要保护者逐一填补受损区域并混合每块区域的精确颜色，单幅绘画的修复可能需要数周到数十年。这需要艺术天赋和深厚技术知识的结合，但保护者数量不足以处理积压的工作。

这位机械工程学生在2021年前往MIT的跨州旅途中萌生了这个想法，当时参观画廊时发现因损坏和修复积压而隐藏的艺术品数量惊人。作为一名业余绘画修复者，他既了解问题也看到了技术解决方案的潜力。

为了展示他的方法，卡奇金选择了一个具有挑战性的测试案例：一幅需要修复5612个独立区域的15世纪油画。AI模型识别出损坏模式并生成了57314种不同颜色来匹配原作。据称整个修复过程仅用了3.5小时——比传统手工绘画方法快约66倍。

亚历克斯·卡奇金的官方照片，他开发了AI打印薄膜技术。

亚历克斯·卡奇金，他开发了AI打印薄膜技术。 Credit: MIT

值得注意的是，卡奇金避免使用Stable Diffusion等生成式AI模型或生成对抗网络(GANs)的”全区域应用”进行数字修复步骤。根据《自然》论文，这些模型会导致”空间失真”，阻碍修复图像与受损原作的正确对齐。

相反，卡奇金使用了之前艺术保护研究中的计算机视觉技术：”跨应用着色”cross-applied colouration用于简单损伤如细裂缝，以及”局部部分卷积“用于重建低复杂度图案。对于高视觉复杂度区域如人脸，卡奇金依赖传统保护者方法，从同一艺术家的其他作品中转置特征。

从像素到聚合物

卡奇金的流程从传统清洁开始，去除任何之前的修复尝试。扫描清洁后的绘画后，上述算法分析图像并创建虚拟修复，”预测”受损区域应呈现的样子，基于周围颜料和艺术家风格。这一部分并不特别新颖——博物馆多年来一直在进行数字修复。创新的部分在于接下来发生的事情。

定制软件(由卡奇金在线分享)映射每个需要修复的区域并确定每个位置所需的精确颜色。他的软件然后将这些信息转化为打印在薄片上的双层聚合物面具——一层提供颜色，白色背衬层确保在绘画表面准确再现完整色谱。两层必须精确对齐以准确再现颜色。

物理应用的数字修复概览。

高保真喷墨打印机生产面具层，卡奇金用手对齐并使用保护级清漆喷雾粘附到绘画上。重要的是，聚合物材料可在标准保护溶液中溶解，允许未来移除面具而不损坏原作。博物馆还可以存储记录每次修复更改的数字文件，为未来保护者创建一份文件记录。

卡奇金表示，该技术不会取代人类判断——保护者仍必须指导关于干预程度和数字预测是否准确捕捉艺术家原始意图的伦理决策。”在这一过程的每个阶段都需要大量关于伦理挑战的讨论，以确定如何以最符合保护原则的方式应用这项技术，”他告诉MIT新闻。

目前，该方法最适合包含大量小面积损坏而非大块缺失区域的绘画。在一个AI模型日益模糊人类与机器创作媒体界限的世界里，看到计算机视觉工具作为人类技能的增强清晰应用，而非作为技能保护者的判断的全面替代，令人耳目一新。