（來源：MIT News）

受損藝術品的修復需要一雙巧手和慧眼。幾個世紀以來，修復師們修復畫作的方法是先確定需要修復的區域，然后調配出完全一致的色調。通常，一幅畫可能有數千個需要逐一處理的微小區域，往往需要耗費數周甚至十多年的時間。

近年來，數字修復工具為藝術品原作的虛擬修復開辟了新途徑。這些工具運用計算機視覺、圖像識別和色彩匹配技術，能夠相對快速地生成一幅受損畫作的數字化修復版本。

然而迄今為止，人們始終無法將數字修復效果直接轉化到原始作品上。在近日發表于Nature期刊的論文中，麻省理工學院機械工程專業研究生 Alex Kachkine 開發了一種將數字修復效果直接呈現于原作的技術方案。該方法基于人工智能，通過在畫作表面放置一層薄膜來進行數字修復，在短短幾個小時內即可完成。

值得注意的是，Alex 是這項研究的唯一作者，他也是一位藝術收藏家和業余文物修復愛好者。文章題為“Physical restoration of a painting with a digitally constructed mask”。

這項修復技術流程如下：利用現有的 AI 算法掃描出受損畫作的數字版本；采用數字修復算法生成復原圖像，標注出待修復的區域和所需色值；將需要修復的區域轉化為雙層“掩膜”（mask），并印在聚合物薄膜上，與原畫對齊。

這種方法具有三個優勢：其一，數字化掩膜設計與修復模擬使修復師能預見性評估修復效果；其二，掩膜構建的可調參數實現精度與靈活性的平衡，規避手工修復中的決策不確定性；其三，數字掩膜檔案為后續保護提供精確的修復溯源，顯著提升處理效率。相較于傳統手工修復的作業模式，該技術可對數千處損傷實施并行修復，包括高復雜度區域，革新了嚴重受損藝術品的修復范式。

圖 | 物理化數字修復

為驗證上述方法，作者將這項技術應用于一幅損毀嚴重的 15 世紀油畫，該畫作是他初到麻省理工學院時購得。

該方法首先采用傳統工藝清潔畫作，去除歷次修復痕跡。“這幅近 600 年的畫作歷經多次修復，其中存在大量覆蓋性補筆，必須全部清理才能顯露原始畫面。”

清潔完成后，Alex 對顏料剝落開裂區域進行高清掃描，運用現有 AI 算法分析掃描數據，生成畫作原始狀態的虛擬復原圖；通過應用多種成熟的數字修復技術，針對不同尺度的損傷構建出畫作的修復圖像；隨后，該修復圖被轉化為雙層物理掩膜，印刷在聚合物薄膜上：首層為彩色油墨，第二層采用相同圖案的白色基底。

“要實現色彩準確還原，必須同時運用白底與彩墨來呈現完整色域，若兩層對位偏差，肉眼極易察覺。為此我基于人類色彩感知理論開發了計算工具，以確定可實施修復的最小區域精度。”Alex 指出。該工具自動識別出 5,612 處待修復區域，并運用 57,314 種不同色彩進行填補。

圖 | 修復結果

使用高保真商用噴墨設備印刷掩膜后，Alex 手工將雙層薄膜與畫作對齊，并噴涂傳統清漆固定。掩膜采用可溶材料制成，必要時可用專業溶劑無損去除。數字掩膜文件同時作為修復檔案永久保存。

應用該技術，整個修復流程僅耗時 3.5 小時，據 Alex 估算比傳統修復方法提速約 66 倍。“幾年前我修復一幅損傷程度相當的意大利巴洛克畫作，業余耗時 9 個月。缺損越嚴重，這項技術的優勢越顯著。”據估算，新方法的效率比傳統手繪修復提升數個數量級。

值得注意的是，在這項研究中，針對不同尺度和視覺復雜度的損傷，作者采用了多重修復技術。

均色區域修復。對于龜裂紋、裂隙及點狀缺損等均勻色域損傷，使用 15 像素的修復畫筆工具，基于周邊色彩進行局部重建。該技術通過分析損傷區域周圍像素，智能生成色彩過渡自然的填補效果。

紋理區域重建。對于具有視覺圖案的損傷區域，采用部分卷積算法配合修復畫筆工具。以前景未受損的木材紋理為例，通過選取畫作頂部完好木梁的紋理樣本，實現破損梁體的延伸修復。當缺乏可供參考的完好圖案時，則手動使用畫筆工具，依據缺損邊緣色彩進行圖案重建。

高復雜度缺失重構。針對高度復雜的缺失區域（如嬰兒面部），采用相關作品特征模板移植技術。這項研究選取美國國家美術館藏《圣殿獻禮》中保存完好的嬰兒面部作為基礎模板，經色彩校正與掩膜處理后進行移植重建。

Alex 強調，若該方法推廣使用，需文物保護專家全程參與，確保修復效果符合藝術家原初風格。“每個環節都涉及倫理考量，我們必須建立符合文物保護原則的實施框架。當前研究為后續技術開發奠定基礎，隨著更多研究者加入，終將形成更精準的修復體系。”

https://news.mit.edu/2025/restoring-damaged-paintings-using-ai-generated-mask-0611