艺术品修复不仅是对现有文物的简单维护，还是艺术品改善、保存和研究工作的重要前提。近年来，艺术品修复越来越成为一门跨学科专业，在油画、壁画、古建筑、出土器物等领域取得了巨大进展。借助人工智能技术进行作品修复，从业者能够减少对文物的物质破坏，提升效率和可重复率，弥补传统方法的不足，为艺术品的保护工作提供了新视野。
1. “夜巡行动”
在人工智能技术的帮助下，荷兰画家伦勃朗最优秀的作品之一
《夜巡》（The Night Watch）得到修复。这幅绘画在 1715 年移至阿姆斯特丹市政厅的时候遭遇严重毁坏，部分画面被裁剪和丢失。2019年，阿姆斯特丹国家博物馆（Rijksmuseum）开启了“夜巡行动”
（Operation Night Watch），其中包含一项耗时多年、耗资数百万美元的修复项目，在科学家罗布·埃德曼（Rob Erdmann）带领下，依照格里特·伦登斯（Gerrit Lundens）的摹本对《夜巡》的丢失部分进行复原。
由于尺寸和风格上的差异，摹本无法简单地复制到原作上，如何将缺失的部分复原为伦勃朗的近似画风成为关键。罗布·埃德曼为此创建了三个独立的神经网络，训练人工智能将缺失的部分可视化，算法分三个步骤进行：
第一个神经网络用于识别摹本中的元素，包括人物面部、服装、手部和武器，并按照伦勃朗原作的尺寸将其复制出来，重建伦登风格
的版本。其次是针对细节纹路的还原，伦勃朗原作的数字化版本被切分成数千块作为参照，第二个创建的神经网络可以拉伸、旋转、缩短和解压缩伦登斯的摹本，使测量结果尽可能地与伦勃朗的原作相匹配。第三个神经网络用于识别色彩和阴影的差异，如同画家在研究构图和色彩之前先给画布调色。
经过数万次的迭代，人工智能高精度地再现了伦勃朗原画的已知部分，并且将摹本的四条边缘（《夜巡》遗失的部分）转换成伦勃朗风格。作品最终的展出阶段，AI 复原部分被打印到画布上，再将其放置在《夜巡》原作前，与原作的距离不到一厘米，这样就能在参观者没有实际接触作品的情况下产生一种视错觉。该项目证明了现代科技在《夜巡》研究中的关键重要性，得益于人工智能，观众才能近距离领略原作的真实面貌。
图 3-9 《夜巡》左侧的细节，画作在阿姆斯特丹博物馆的人工智能技术的帮助下被扩展134
2. 克里姆特绘画色彩复原
134https://www.rijksmuseum.nl/en/stories/operation-night-watch?filter=The%20missing%20pieces
另一个通过算法复原遗失绘画的例子，是维也纳艺术家克里姆特的作品修复。2021 年，谷歌艺术与文化实验室（Google Arts & Culture Lab）和维也纳美景宫博物馆（Viennas Belvedere Museum）合作，利用机器学习技术， 重现了克里姆特的三幅绘画— — 《哲学》
（Philosophy）、《医学》（Medicine）和《法学》（Jurisprudence），该系列在二战期间被纳粹烧毁，如今仅留下黑白照片。
为了重现画面的全彩效果，谷歌机器学习研究员埃米尔·沃尔纳
（Emil Wallner）开发并训练了一种由三部分组成的算法。首先，该算法从谷歌艺术与文化数据库中获取了约十万张艺术图片，用于理解自然界的事物、艺术品和构图。接下来，算法专门学习了克里姆特的全彩作品，熟悉他在该创作时期偏爱的色彩和主题。最后，人工智能获得了三件作品相关部分的色彩线索，将这些数据点输入算法，从而更准确地还原画作的面貌。
人工智能对黑白照片的着色一直伴随争议，经常被认为无法精准地还原过去。针对该问题，算法同样结合了克里姆特专家弗朗茨·斯莫拉（Franz Smola）的研究成果，他梳理了各种新闻报道、展览目录和信件，寻找关于这些画作的色彩描述。例如，《法理学》中的三位女性被蛇缠绕，与克里姆特的《贝多芬浮雕》（1902 年）相似，其中的女性也被标志性的金箔染成的蛇包围着。这些相似之处帮助人工智能算法构建出部分画作使用的色彩轮廓。
最终画作的某些方面改变了研究者的预期，例如人们可能会认为
《哲学》中的星空带有蓝色调，但人工智能根据算法生成的颜色充满了翡翠色的雾。尽管无法实现完美的复刻原画，但是该项目仍然以较精准的方式将克里姆特的色彩风格运用到黑白照片，帮助人们更深入地了解这些杰作的历史价值。
图 3-10 人工智能技术重新着色的《法理学》（左）和《医学》（右）135
3. 箭扣长城的修缮与维护
除了绘画复原，在当前的古建筑修复中，AI 识别技术已经被用于检索损坏的部位，为修缮工作提供指导数据。以长城的修复为例， 2018 年黄先锋教授代表武汉大学测绘遥感国家重点实验室携手英特尔与中国文物保护基金会，将人工智能、无人机和实景三维重建技术相结合，对长城最陡峭的通道之一——箭扣长城进行了修缮。
箭扣长城位于北京市怀柔区八道河乡境内，坐落于海拔 8 千米的悬崖峭壁，险峻地势令勘察和施工十分困难。由于年久失修，城墙的侵蚀破损严重，修护工作迫在眉睫。
英特尔 （中国） 研究院和武汉大学开发的深度学习算法，主要应用于破损识别和虚拟修复。在破损识别方面，针对长城的损毁和裂缝类型，研究人员首先对长城三维模型进行采样，用于训练深度学习网络，该网络采用回归和卷积相结合的架构，进行了大量数据样本训练，形成对损毁模式的识别能力。
在虚拟修复方面，AI 在识别长城损毁部分的基础上，会对其继续数字化虚拟修复，在损毁的模型上生成 3D 的修复效果和砖墙纹理，并获得无力修缮所需的工程量的数据，作为对无力修缮的参考建议。同时，数字化修复会遵循“修旧如旧”的文物修缮原则，为长城修缮工程提供详细的位置，效果和所需工程量的估计，作为实际工程有效的参考和对照。
古建筑由于体量庞大，结构复杂，历史背景特殊，往往需要耗费大量人力和时间对建筑的类型、材料、地理环境和文化因素进行综合考虑，这为修复工作带来极大困难。借助先进技术和高质量数据，勘测工作不再需要工作人员冒生命危险实地考察，原本耗时数月的工作量在三天内完成，箭扣长城的修缮项目仅仅是一个开端，为未来人工智能技术在古建筑保护方面的应用提供了良好的技术思路。
图 3-11、图 3-12 长城缺损情况的识别与定位136
4. 庞贝古城壁画残片修复
人工智能领域的技术进展同样在出土文物的修复方面作出贡献，很多考古出土文物，如双耳陶瓶、壁画和马赛克等等，往往以残缺不全的状态被发掘，当碎片数量非常多，人工重建几乎不可完成，因此只能长期存放在考古仓库中。
2021 年由欧盟资助的“RePAIR”（重建过去：人工智能和机器人遇见文化遗产）项目代表了该领域的最新探索。该项目由威尼斯佛斯卡里大学带领，目标是开发一种智能机器人系统，能够自主处理、匹配和物理组装大型破碎的人工制品。
最早的复原案例是对庞贝古城遗址壁画碎片的重新组装，包括 “画家工作之家”（House of the Painters at Work）和“角斗士训练营”
（Schola Armaturarum ）的壁画残片。这些珍贵的世界文化遗产经历了公元 79 年的火山爆发、二战轰炸和建筑倒塌等破坏，目前处于残缺状态。该项目使用了名为 RePAIR 的机器人筛选壁画并将它们重新组合，极大地帮助考古工作者的重建工作。这些配有机械臂的智能机
136 https://v.qq.com/x/page/i0724qm9zsy.html
器人，能够对碎片进行扫描，提供三维数字化系统识别碎片，然后将其放入正确的位置。在扫描的同时，机械臂的精密传感器进行操作和移动，避免对文物造成轻微的损坏。
借助机器人技术、数字化和人工智能，RePAIR 项目体现了考古文物修复领域的重大突破，威尼斯大学计算机科学和人工智能教授马塞洛·佩利洛（Marcello Pelillo）表示，如果该项目成果，相关技术可以用于重建各种碎片化文物。
图 3-13 人工智能驱动的机器人试图恢复庞贝古城的壁画残片137
5. 敦煌石窟壁画修复
在我国的艺术品保护中，利用人工智能技术对敦煌石窟壁画进行修复，成为当前图像处理和计算机视觉领域的热议话题之一。敦煌石窟作为珍贵的世界文化遗产，现保存十六国至元代的壁画共 4 万多平方米，经历千年的风吹雨打和人类活动，面临着脱落、断裂和腐坏等问题。
2021 年，腾讯与敦煌研究院进行合作，引入AI 病害识别和沉浸
137http://pompeiisites.org/en/comunicati/the-repair-project-begins-robotics-and-digitisation-at-the-service-of-a
rchaeology/
式远程会诊技术，协助敦煌壁画的修复工作。通过深度学习敦煌壁画病害数据，腾讯形成一整套自动识别并添加图示的算法，对壁画进行 “对症下药”。技术团队多次与多家文物考古所、保护所及美术所沟通，赋予AI 进行病害诊断的能力。同时，基于多媒体实验室的高性能编解码引擎，腾讯还提供了沉浸式的远程会诊技术，利用 4K 超清画质，全方位、无死角地展示洞窟内的景象和文物的细节，让不同地域的专家都可以实时清晰查看现场情况，共同为文物保护出谋划策。对于AI 而言，敦煌文物的数据量极小，共通特征极少，AI 学习
难度高，对于蚕食严重的壁画，AI 的诊断更为困难。现阶段通过深度学习对壁画进行诊断还处于发展阶段，腾讯AI 病害识别技术的研发与应用仍然面临着巨大挑战。在未来，随着人工智能的深度学习技术，在结合壁画的图像语义、历史、宗教等多维度知识方面得到提升，对敦煌壁画的数字化修复保护有望取得突破性进展。
图 3-14 AI 诊断敦煌壁画的损坏类型138