CAnnotator：退化古代绘画的照片引导色彩标注

DOI

古代绘画因老化和保护不当而遭受不可逆转的色彩退化。为退化绘画标注真实色彩对于保护这些珍贵文化遗产至关重要，但由于缺失色彩信息，这是一项挑战。用户通常需要研究相关照片来推断真实色彩，然后通过混合传统颜料来验证这些颜色。然而，这项任务可能非常繁重。为了减轻困难，我们提出了一个交互式可视化工具，即CAnnotator，用于简化退化古代绘画色彩标注的高效人机协作。CAnnotator包含三个视图：颜料标注视图、照片参考视图和颜料混合视图。给定一幅古代绘画，颜料标注视图旨在帮助用户提取其颜色退化的物体纹理，然后使用纹理跟踪模型将这些纹理传播到相关照片。基于跟踪结果，照片参考视图提供纹理-色彩和物体姿态过滤器，以探索包含给定纹理颜色和物体姿态的照片。我们训练了一个深度学习模型来模拟物理颜料的混合，并采用链式规则通过创新的基于流的颜色可视化支持逐步颜料混合。我们通过一个用例展示了CAnnotator的用法，并通过模型实验和实验室用户研究评估其有效性。与基线相比，CAnnotator可以提高用户对标注颜色的信心，并以额外时间为代价促进用户参与。