作者
劉卉元 中國藝術研究院工筆畫院
原文刊于《藝術學研究》2024年第2期
由筆者主持的國家社科基金藝術學青年項目“基于神經網絡算法的古畫圖像還原修複方法研究”課題組在采訪中國古畫修複專家、調研分析人工智能虛拟修複特點的基礎上，提出中國古畫數字圖像AI算法修複的科學方法，其中包含修複流程、評價标準和算法選擇。與此同時，課題組通過算法篩選、訓練、優化，最終得到适應中國古畫修複的人工智能深度學習算法ACP-LaMa。該算法成果适用于較高清晰度的複雜古畫圖像修複，且可以較理想地還原中國古畫的藝術特色。2023年，筆者申報中國藝術研究院科研項目“中國古畫圖像算法修複研究”，進一步優化修複流程和算法表現，并将算法應用拓展到書法作品和工藝美術圖像修複等領域。目前，項目成果得到了多位古畫修複領域專家的關注和認可，現已申報國家發明專利，并與修複機構開展合作。
一、古畫人工智能修複的意義
（一）輔助傳統古畫修複
古畫圖像人工智能虛拟修複可以在短時間内為修複工作者提供多種可視化的虛拟修複結果作為修複參照。這種将原來抽象的修複目标具體化、明确化的方法，可有效縮減修複準備工作的投入，最終提高實物古畫修複工作的時效性、準确性和可靠性。
（二）輔助古畫文物保護
數字圖像虛拟修複不接觸原作，能避免對文物的接觸和傷害。同時，虛拟修複過程中完成的修複報告和标注，也可以作為學術資料更廣泛地運用于文物保護輔助工作。
（三）服務大陸優秀傳統文化推廣
氣息殘破、古舊的國畫通過數字化修複，轉變為符合大衆審美喜好的圖像作品，能夠得到更廣泛的傳播和展示，是傳承中華優秀傳統文化的有益方式。
二、古畫人工智能修複的難點
（一）高清圖像修複
現有技術多針對低清晰度照片類别的圖像，而古畫掃描或拍照的圖像清晰度較高、檔案較大。
（二）大面積圖像修複能力
修複算法能了解畫面全局的圖像資訊，而非僅基于缺損周邊的少量像素推理缺損，易實作對大面積缺損部位的準确填充。
（三）更好地表現中國古畫藝術特征
修複算法能夠較好地表現畫面紋理、質感、色彩過渡，線條修複需符合國畫用筆，修複區域能表現出中國古畫的藝術特征。
（四）修複結果的客觀性
用于訓練的資料是否充足和資料是否具備專業性、收斂性，直接影響修複結果是否能在客觀上優于人工判斷。
（五）算法過程優化
運算過程要求高效、資源優化，避免運算時間過長、運算資源使用過多等問題。
（六）簡單易操作
修複過程要便于非計算機技術人員學習、使用，這樣才有利于在文物保護和美術研究工作者中推廣和使用。
三、中國古畫人工智能修複方法系統建構
傳統的人工古畫修複是一個流程完備、标準清晰的系統性專業，有獨立的學術位置。是以，古畫算法修複應該參照人工修複的曆史經驗，總結出一套具有科學性、系統性、可靠性且符合數字圖像虛拟修複邏輯的技術方案、修複流程和評價準則。
本課題組采訪了十餘位文物修複保護領域的專家學者，基于中國古畫修複工作的現狀和需求，梳理出适合于中國古畫數字化圖像智能修複的實施方案。深度學習算法是當下最具潛力的AI圖像修複方法，是以課題組将其作為課題研究和實驗的核心目标。
（一）資料準備工作
傳統古畫修複工作主要依靠資料、經驗和學養，人工智能算法的表現則依賴大量的相關資料訓練。本課題選取中國古代繪畫作為資料訓練基礎。
1.資料收集并建立資料集
課題組共整理了中國古畫圖像2萬餘張，通過定制的軟體将圖像拆分為30萬張古畫圖像，并且持續進行更新補充。
2.資料分類處理
将全部資料分為6個子資料庫，具體如下（表1）:
表1 中國古畫圖像子資料庫清單
以上所列舉的子資料庫都涉及資料對比圖像組，以便算法更容易收斂，如圖所示（圖1）。
圖1-1 宋《八十七神仙圖》仙女。
圖1-2 宋《朝元仙仗圖》仙女。
圖1-3 清《朝元圖》仙女 。
圖1 古畫道教卷軸畫仙女繪畫對比圖。
（二）修複流程設計
1.流程設計依據
若想讓算法在古畫修複的實際工作中充分發揮作用，就需要參考傳統古畫的人工修複流程與原則，設計完備的算法修複步驟或軟體工具。
（1）“洗”：通過圖像“去噪”算法，去除畫面上細小的斑駁、污漬。
（2）“揭”：通過圖像編輯軟體将畫面中錯位、沉降和碎片等情況進行複位。
（3）“補”：通過中國古畫圖像修複算法，修複畫面的大斷裂和大面積缺失。
（4）“全”：通過中國古畫圖像修複算法，修複小的病害、變色和線段缺失。
2.修複實施流程
為實作對古畫數字圖像的最優修複，需多個修複步驟協同完成，也需确定每個步驟的評價标準。首先，修複古畫前，需進行破損标注、色彩采集和制定修複政策。複雜病害應分層次修複，逐漸實作從紋理、色彩到線條的比對填充。其次，修複過程中，每個步驟需對比修複标準，未達标處需進行多次算法修複。最後，進行結果分析、問題總結和報告撰寫，對修複不夠理想的區域可以采用繪圖軟體加以輔助。本課題組根據實際實驗經驗歸納了修複流程圖（圖2）：
圖2 中國古畫智能修複算法修複工作流程圖。
（三）中國古畫修複的視覺标準和評價方案
通過對照傳統書畫修複标準，并結合專家指導意見和進行課題組讨論研究，我們将“洗”“揭”“補”“全”确定為中國古畫數字化修複的評價标準。傳統書畫修複工藝講究達到“四面光”，是以數字化修複同樣應做到高度比對、渾然一體。修複目标方面要求“修舊如舊”；而修複程度則可劃分為“輕度修複”“中度修複”和“高度修複”。
（四）中國古畫智能修複算法系統整體規劃
本課題組從學科性、系統性、應用性出發，綜合資料準備、算法篩選、流程設計和評價标準，做出中國古畫智能修複算法系統的基本規劃，具體内容如下（表2、圖3）：
表2 中國古畫智能修複算法系統的基本規劃
（上）圖3-1 山西菩薩壁畫原圖。圖3-2 “洗” 去掉畫面噪點。圖3-3 “揭” 圖像斷裂，錯層複位。
（下）圖3-4 “補” 明顯的斷裂和脫落。圖3-5 “全”——“全色” 小面積脫落。圖3-6 “全”——“接筆” 線段和畫面微調。
圖3-7 局部 “全” 修複對比之一。
圖3-8 局部 “全” 修複對比之二。圖3 菩薩壁畫圖像智能修複流程示範和局部修複結果對比圖。
四、中國古畫修複算法研究和實驗分析
（一）算法篩選
課題組對近60種算法方案進行調研、分析和實驗，分析過程如下：
首先，篩選過程先排除不具備學習能力的傳統算法，這類算法修複精度較低
其次，深度學習算法中，大部分可處理圖像的像素水準低，運算能力不足，不符合古畫掃描或拍照圖像的資料特征
最後，淘汰圖像了解能力較差，且不具備大面積缺損修複能力的算法。
（二）算法優化與訓練
課題組基于大量的算法調研和實驗，篩選采用了适用于大面積圖像缺損的“基于傅裡葉卷積”的大型掩碼修複方法，通過優化算法中的LaMa掩碼政策，以前文所述“中國古畫資料集”作為算法訓練對象，得到理想的修複方法——ACP LaMa。該算法具有以下優勢：
第一，項目采用快速傅裡葉卷積（FFC）的修複網絡，允許運算獲得覆寫整個圖像範圍的感受野，使網絡能夠泛化到可以處理高分辨率圖像。第二，使用基于高感受野語義分割網絡的感覺損失函數，可以讓算法較好地了解全局圖像資訊，可以有效推理大面積缺損區域資訊。第三，優化原有掩碼政策，新增符合中國古畫圖像缺損和病害特點的裂紋掩碼政策和多點掩碼政策，提高了訓練後的算法對修複對象的了解。第四，中國古畫人工智能修複方法（ACP-LaMa）單階段運算可以達到較為理想的效果，節省運算資源，運作效率高。第五，設計将面向使用者開發“傻瓜式”算法作業系統，操作界面友好，功能簡約、靈活性高，非技術人員也能快速掌握。
經過實際案例實驗，ACP-LaMa人工智能圖像修複算法基本達到了以上五點要求。以下為案例展示（圖4）：
圖4-1 永樂宮壁畫白描局部。
圖4-2 人工添加破損區域。
圖4-3 CoModGAN算法修複。
圖4-4 MST-Net修複結果。
圖4-5 本文方法修複結果。
圖4 永樂宮壁畫白描局部多種算法的修複對比圖。
由算法修複效果對比圖可以看出，ACP-LaMa可以很好地了解中國畫的線條資訊和藝術特色，可以較為準确地還原被破壞的圖像。另外兩種對比算法修複表現優秀、修複邏輯貼近古畫修複需求的算法，但線條修複能力不足。
五、中國古畫算法圖像修複執行個體
（一）圖像修複流程
1.病害标注和資料采樣
課題組以四川寶梵寺壁畫作為修複對象，選取《達摩朝貢圖》的局部數字化掃描圖像開展人工智能算法修複，修複前圖像如圖5-1所示，病害種類較多，病害情況複雜，并且影響到對人物形象的辨識，主要病害類型如圖5-2所示，小面積病害由課題組标注如圖5-3所示。下圖（圖5）來源于《寶梵寺壁畫數字化勘察測繪報告》，報告詳細記錄了勘測壁畫的病害标注、色彩采樣和分析結果。
圖5-1 《達摩朝貢圖》的局部原圖。
圖5-2 主要病害标注。
圖5-3 小面積和線段病害标注。
圖5-4 修複結果。
圖5 《達摩朝貢圖》局部病害标注和修複前後對比圖。
2.算法修複過程
（1）“洗”：該圖像點狀病害較少，畫面較為幹淨、明亮，經判定不需要進行“去噪”處理。
（2）“揭”：該圖像沒有明顯的沉降、錯位和錯層，經判定無需進行畫面複位。
（3）“補”：該圖像上有一條貫穿佛像面部的橫向裂痕，右側眼部附近有大面積脫落，背光、胸部和白色衣物均有大面積稀碎脫落區域，通過ACP-LaMa算法進行1至2次打掩碼修複，修複效果理想。
（4）“全”：圖5-3标注的小面積病害和線段問題，相關病害多且雜，需要仔細修複，大部分區域打1次掩碼可達到理想效果，少數區域需要2至3次修複。
（二）修複結果及評價
綜合修複結果，本課題采用的中國古畫算法修複方法基本達到了課題制定的評價标準。該實驗采用的是“中度修複”的标準，遵循最小幹預原則，并沒有進行精細化修複，而是保持了畫面整體統一、古樸的特征。每一處破損都采用1至3遍算法修複，視覺上基本達到修複标準要求即可。各個環節的修複基本上都可以達到色彩過渡自然、色塊銜接合理、線條平滑、墨色講究、藝術風格統一和紋理比對準确。課題組邀請修複專家對修複結果的“客觀性”進行評價，修複專家認為此次修複基本達标。同時，該算法對古畫面部資訊的了解還有待提高，眉毛和眼角的修複有所欠缺，可由繪圖工具加以輔助。局部修複結果對比如圖（圖6）。
圖6 局部瀝粉貼金技法修複和線段修複對比圖。
（三）其他實驗案例（圖7—圖9）
圖7 宋代絹本繪畫孔子弟子局部圖像修複對比圖。
圖8 明代張弼書法作品局部圖像修複對比圖。
圖9 故宮藏“漆器” 作品局部圖像修複對比圖。
六、研究成果的創新性價值
由課題組提出的中國古畫圖像修複的AI深度學習算法ACP-LaMa，基于制定科學的修複流程和評價方法，可對中國古畫數字圖像進行高效的虛拟修複，是人工修複向科技修複發展的實踐案例。項目算法成果可以全局了解較高清晰度的中國古畫圖像資訊和中國畫線條特征，對大面積缺損修複效果較為理想；修複區實作了筆墨語言、色彩資訊和紋理質感與原圖比對，修複區域基本達到氣韻生動、肉眼難辨的效果。算法應用運算高效、操作簡明，适用于多類型中國古畫修複，具有良好的推廣性。
“基于神經網絡算法的古畫圖像還原修複方法研究”項目通過跨學科視角将文化、藝術和科技進行關聯，應用于輔助文物修複保護、美術研究和公衆服務等領域，綜合實作了其學術價值、應用價值、社會價值和時代價值。
本文系國家社科基金藝術學青年項目“基于神經網絡算法的古畫圖像還原修複方法研究”（項目準許号：17CF198）階段性成果。
本文作者劉卉元
責任編輯：楊夢嬌
本文圖檔由作者提供
為閱讀友善，略去引注