9月20日，據(jù)外媒報道，荷蘭代爾夫特理工大學的研究人員發(fā)表在施普林格《機器視覺與應用》上的一項新研究指出 ，開發(fā)了一種基于卷積神經網(wǎng)絡（CNN）的模型來重建隨著時間推移而惡化的圖形，他們使用了這個模型成功重建了文森特·梵高的一些由于墨水褪色毀掉的繪畫作品 。

　　代爾夫特理工大學簡·范德盧比（Jan van der Lubbe）和他的同事研究使用機器學習技術對退化的繪畫進行像素級重建。

　　研究人員通過畫家梵高的畫作復制品來訓練他們基于卷積神經網(wǎng)絡的模型。事實上，梵高的一些水墨畫在過去的一個世紀里已經嚴重惡化，藝術史學家經常試圖復制它們。

　　范德魯比說：“我們研究的主要目標之一是，通過機器學習方法，綜合對所用顏色及其隨時間變色的深入研究結果，預測紙上藝術品的原始、過去和未來外觀。這可能有助于設想例如梵高的一幅畫在創(chuàng)作時的樣子?！?br/>
　　范德魯比和他的同事設計的方法 結合了多分辨率圖像分析技術和深層卷積神經網(wǎng)絡技術，以像素為單位預測繪畫的過去外形 。這就像人腦中的神經網(wǎng)絡，可以通過分析大量數(shù)據(jù)來訓練完成特定任務。


　　在他們的研究中，研究人員專門訓練卷積神經網(wǎng)絡在紙上數(shù)字化地重建褪色的梵高畫作。該算法是在一個數(shù)據(jù)集上訓練的，該數(shù)據(jù)集包含上個世紀不同時期制作的不同質量的原始圖形的復制品。

　　該研究除了揭示過去的繪畫面貌外，還可以幫助藝術史學家確定適當?shù)乃囆g品保護和修復策略，以及保護和展示藝術品的有效做法 。

　　研究人員在一系列實驗中評估了他們的模型，發(fā)現(xiàn)它取得了顯著的結果。他們的發(fā)現(xiàn)強調了使用機器學習對退化的圖像、文檔和藝術品進行預測性重建的可行性。盡管研究人員專門用他們的模型來重建梵高的畫，但它也可以應用于其他惡化的紙質藝術品或19世紀的手稿。

　　范德盧布說：“ 我們在梵高繪畫的數(shù)字重建方面取得了比目前使用其他方法更好的效果 。當然，梵高只是一個測試或例子。我們的技術也可以延伸到其他藝術家的繪畫、素描和舊文獻?！?br/>
　　在未來，這種新工具可以幫助藝術史學家對藝術品進行重建，以避免這些藝術珍品徹底惡化。在他們最近的研究中，研究人員一次專注于一幅畫，訓練他們的卷積神經網(wǎng)絡有限的復制品數(shù)量。并且該模型也可以用來預測基于大量復制品的原始圖畫的樣子。

　　此外，這種技術目前通過分析視覺信息來工作。在他們的下一個研究中，研究人員想研究同時分析視覺和化學相關信息（例如墨水的組成及其降解率）是否可以增強模型的性能。