墨水修复者：继承传统修复过程的中国古代绘画虚拟修复

研究背景与问题

• 作者发现的问题或挑战：由于自然老化或保存不善等内外因素影响，许多中国古代画作遭到严重损毁，包括裂痕、缺失和色彩褪变等。传统画作修复过程复杂且耗时，即便如此，该技能专业门槛高，使得公众难以体验或深入了解画作修复过程。此外，中国拥有的专业画作修复师不足百人，修复技能面临失传风险。
• 问题重要性：古代画作修复具有保护和传承中华文化的关键性作用。但公众对修复过程的兴趣大，对相关知识的理解却甚少。增强普通人对修复过程的理解和体验不仅能促进文化保护，还能催化大众教育和参与，以推动文化遗产的传承。
• 研究动机与相关工作：许多现有工具探索AI技术辅助画作修复，但较多关注生成结果的真实性与连贯性，而忽视传统修复过程及文化背景的融入。鉴于公众对画作修复的文化价值表达了强烈兴趣，研究有必要通过技术设计弥合专家与公众在修复知识和体验方面的差距。

解决方案

• 作者提出的方法或解决方案：作者设计了一个名为“Ink-Restorer”的虚拟修复工具，旨在让普通用户体验中国古代画作修复过程的四个阶段：“洗”(Xi)、揭(Jie)、补(Bu)、全(Quan)。该工具综合使用图像分割技术（SAM）、生成技术（Stable Diffusion）以及细化（LoRA）的AI方法。
• 解决方案的创新之处：
  1. 将传统修复的四个阶段整合至用户体验设计中，以增强交互性和文化关联性。
  2. 结合先进的AI技术，既简化了修复操作，又保持了过程的解释性，避免“黑箱”问题。
  3. 专为新手用户设计，通过视觉指导和交互操作降低学习门槛，缩短修复时长。
• 实施步骤与关键技术：
  1. 用户界面设计：工具通过逐步教学界面，提供有关画作细节和修复过程介绍。用户可选择感兴趣的画作并进行修复，每阶段均配置特定工具（如AI生成工具和绘图工具）。
  2. AI技术应用：
     • 使用SAM模型进行像素级损伤区域选择，提供迭代性点击功能以优化用户选择。
     • 应用稳健扩散和LoRA技术进行补全和细化图像生成，进一步适配中国画风格。
  3. 用户操作与生成监控：通过定制修复工作流和AI模型，追踪用户操作步骤并进行自动化结果优化。

研究成果

• 具体成果：
  • Ink-Restorer显著提升了用户对修复过程的文化理解与体验召回率。
  • 工具提供的修复质量（包括色彩、细节处理和艺术相似性）明显优于两种基线工具。
  • 实验结果表明，工具在用户学习、效率、满意度等方面表现出色，尤其弥合了专家与普通用户在工艺技能上的差距。
• 与现有解决方案相比的优势：
  1. 文化继承性：相比单纯自动化的AI工具，Ink-Restorer更注重与传统修复步骤的结合，使用户既能体验过程，又能感知背后的文化意义。
  2. 交互适应性：工具允许用户通过AI辅助增强细化结果，并同时支持手动创作，提升用户的参与感和控制力。
  3. 教育适用性：该工具是一个易学易用的教育工具，适合博物馆和课堂教学。
• 实验或评估结果：
  • 用户体验问卷（UEQ）和可用性问卷（USE）的量化分析显示，Ink-Restorer比基线工具在吸引力、效率、满意度等指标上显著更优秀。
  • 专家评价指出，使用Ink-Restorer的修复效果更贴近原画，同时生成的颜色和细节更优。
• 局限性与未来方向：
  1. 材料真实感：工具未能反映实际修复中所需的特定纸张和纹理匹配问题。未来研究或需开发算法生成与画作纹理一致的修复材料。
  2. 细节优化：AI生成的细节与实际损坏纹理在精确性上存在差距，进一步优化分割算法（如SAM）有助于提升工具对细微严损的处理能力。
  3. 跨领域应用：该工具未来可扩展至其他画作类型（如油画、印度Tanjore画）以及虚拟现实环境，以增强沉浸式文化交互体验。

Ink-Restorer的研究为桥接传统艺术修复的文化价值与现代数字技术提供了重要启示，推动了保护和传承艺术遗产的数字化创新转型。