视觉 AI

艺术与文化遗产保护中的 AI

探索 AI 如何利用计算机视觉和自然语言处理技术重塑文化遗产和艺术品的保护与修复工作。

MOMostafa Ibrahim5 min readAugust 14, 2024

近年来，人工智能（AI）与文化遗产保护的交叉领域为保护和研究历史文物开辟了新途径。随着数字技术的进步，AI 在确保我们共享的文化遗产的持久性和可访问性方面发挥着愈发重要的作用。通过利用 AI，我们可以更好地理解和保护那些定义了我们历史的艺术品和文物的复杂细节。

守护历史文物的重要性怎么强调都不为过。这些物品不仅是艺术瑰宝，更是珍贵的历史记录，为了解过去的社会、文化和技术提供了视角。对它们的保护确保了子孙后代能够学习并欣赏人类历史的丰富内涵。AI 技术，特别是计算机视觉，已成为这项事业中的强大工具。通过诸如 object detection 等方法，AI 能够以极高的精度识别并记录文化文物的特征，从而辅助其保护与研究工作。

在本文中，我们将探讨 AI（特别是计算机视觉）如何被应用于艺术和文化遗产保护，并审视其应用、益处及挑战。

Link to this sectionAI 在艺术与文化保护中的应用#

目前，艺术与文化保护领域主要使用两种技术：计算机视觉和 natural language processing (NLP)。这些领域正在重塑历史文物和艺术品的记录、修复及访问方式。计算机视觉使 AI 能够通过准确识别受损部件来加强文化遗产的编目和修复，随后由技术人员进行修复。同时，基于 AI 的 NLP 有助于翻译和数字化古代文献，从而保护语言遗产并使其能够用于全球的研究和教育。在此基础上，让我们更详细地探讨这两个领域的一些应用。

Link to this section艺术品的修复与保护#

AI 正在利用计算机视觉和机器学习等新技术，重塑艺术品的修复与保护工作。这些工具可以提高保护文化文物的精度和有效性。

Computer vision models 可用于分析艺术品，从而检测并帮助修复褪色的色彩、填补缺失的部分以及矫正损坏。AI 能够识别并模拟原始色彩和纹理，进而帮助修复专家在修复过程中做出明智决策。

机器学习模型也可用于评估艺术品的状况，预测潜在的恶化情况并指导预防措施。此类模型在包含其他艺术品图像的各种 datasets 上进行训练，其中包括状况良好和随时间推移而退化的艺术品。通过从这些示例中学习，模型能够识别出暗示早期恶化迹象的模式。

训练完成后，模型可以预测艺术品的状况将如何演变。例如，它可能会识别出在当前环境条件下更有可能开裂的区域或容易褪色的颜色。

AI 还可以帮助创建历史遗址的数字副本和虚拟重建，在提供沉浸式体验的同时，最大限度地减少与脆弱文物的物理接触。这些数字模型可作为修复和教育用途的宝贵参考。

在罗马斗兽场的数字重建工作中，我们可以看到 AI 在重建历史遗址方面所发挥的卓越作用。来自罗马第一大学的研究人员利用 AI 驱动的图像识别技术，仔细分析了这座古迹的立面。AI 算法能够精确识别 cracks、侵蚀模式和细微的结构位移，使修复专家能够采取既有效又尊重斗兽场历史完整性的针对性干预措施。

受损艺术品与其AI修复版本的并排对比图

Fig 1。原始受损艺术品与其 AI 修复版本的对比图，展示了 AI 在艺术修复中的精度和有效性。

Link to this section数字化古代文献#

AI 正通过自然语言处理 (NLP) 和计算机视觉等技术改变古代文献的数字化进程。高分辨率扫描和 AI 增强的图像预处理技术提高了褪色手稿的可读性，而更广为人知的光学字符识别系统（即 OCR 系统）则将手写或印刷字符转换为机器可读的文本。

这些系统提供文本 segmentation 功能，将文本从图像或装饰等其他元素中分离出来，确保只有相关文本得到处理。通常由 AI 驱动的光学字符识别 (OCR) 系统随后会将手写或印刷字符转换为机器可读的文本。

这些 AI 系统使用庞大且多样的数据集进行训练，这些数据集包含来自不同历史时期和语言的数字化文本、脚本和语言示例。通过从这些广泛的数据集中学习，models 能够识别不同的脚本和语言，从而实现准确的翻译和解读。

与艺术品修复类似，AI 也可用于重建丢失或受损的文本部分，使全球的学者和公众能够接触到这些古代文献。这一过程始于 AI 在来自同一时期、语言和风格的类似文本的广泛数据集上进行训练。正如 Quantitative Analysis of Literary Style 研究论文所示，通过分析这些数据集，AI 能够学习到原作者或特定时代所特有的语言模式、常用短语和文体细微差别。

训练完成后，AI 会利用模式识别分析文本的完整部分，识别出特定的风格、语法和句法。这使 AI 能够生成缺失部分的合理重建，预测原文可能的内容。

毋庸置疑，这样的过程加强了保护，促进了研究，并确保了文化遗产的长期保存。

石刻历史手稿及通过AI翻译的古代文字

Fig 2。刻在石头上的历史脚本，以及通过 AI 驱动的计算机视觉对古代文本进行的翻译。

Link to this section艺术赝品检测#

AI 在艺术领域的另一个重要作用是赝品检测。在通过先进的分析技术和算法显著加强艺术赝品检测方面，AI 正成为一个有力的盟友。AI 系统可以检查艺术品，识别出暗示伪造的细微不一致之处和异常情况。这些计算机视觉模型通过分析笔触、调色板和材料成分，并将它们与已知真迹的数据库进行对比，从而检测不一致之处。

AI 模型还可以识别特定艺术家（例如 Picasso 或 Vincent van Gogh）所使用的独特图案和技巧，从而 spot forgeries（发现赝品），这些赝品往往无法准确复制这些细节。

正如 Aging Prediction of Cultural Heritage Samples Based on Surface Microgeometry 中所示，机器学习算法可以通过分析随时间演变的各种特征（如氧化模式、表面磨损和化学成分变化）来评估材料的老化过程。这些算法是在包含自然老化和人工老化材料的大型数据集上进行训练的，使它们能够区分真实的包浆和伪造品中常见的均匀或不一致的图案。

这一技术进步不仅有助于维护艺术收藏品的真实性，还通过提供强大的验证工具协助维护艺术市场的诚信。然而，将 AI 分析与人类专家的判断相结合至关重要，以考虑到艺术表达的细微差别和复杂性。我们可以肯定的一点是，AI-driven art forgery detection 代表了守护文化遗产和确保艺术品真伪的一项强大工具。

真迹艺术品与其赝品的视觉对比图

Fig 3。真迹与赝品的视觉对比。

Link to this sectionAI 在艺术与文化保护中面临的挑战#

随着 AI 在艺术和文化遗产的保护与修复方面取得显著进展，它也带来了一系列需要解决的独特挑战，包括：

Link to this section原始作品的保护#

在对原始艺术品进行修复的过程中使用 AI 时，一个重大挑战在于如何在数字增强和保护文物真实性之间保持微妙的平衡。

主要担忧之一是 AI 可能会无意中影响修复过程中的决策。例如，如果 AI 模型是在一个未能准确代表原艺术家特定风格或技巧的广泛数据集上进行训练的，那么它的数字重建或建议可能会改变作品的原始特征。这可能导致修复选择虽然视觉上令人愉悦，却无法忠实地体现艺术家的原始构想或作品创作时的历史背景。

因此，人类修复专家对 AI 生成的建议进行批判性评估至关重要，以确保任何物理修复都能尊重原始艺术品的真实性和完整性。

Link to this section文化敏感性#

AI 系统的设计必须尊重文化价值和传统。对文化文物的误解或不敏感的处理可能导致文化误解或冒犯。例如，某些颜色、符号或材料在一种文化中可能具有特定含义，而缺乏深刻理解的 AI 系统可能会对其误读。例如，主要在西方艺术上训练的 AI 系统可能无法完全理解东方艺术作品中特定主题和符号的意义，从而导致错误的数字表现或修复建议。

Link to this section准确性与可靠性#

确保 AI 模型的准确性，特别是在处理稀有或研究较少的文物和文献时，仍然是一项重大挑战。AI 系统有时会产生错误或误解，这可能导致不准确的修复或错误分类。

这些模型是在应该包含广泛示例的数据集上训练的，其中包括常见和稀有的文物或文献，以帮助模型有效地进行泛化。然而，在处理稀有文物时，可能没有足够的数据来充分训练 AI 模型。这可能导致诸如过拟合（模型对其所见过的有限数据过于专业化）或欠拟合（模型未能学习到必要的细节）等挑战。这两种情况都可能导致不准确的修复或错误分类，从而降低模型在保护和解读文化遗产方面的有效性。

Link to this section艺术与文化遗产保护中 AI 的未来趋势#

AI 在艺术与文化遗产保护中的未来可能会带来令人振奋的进步，进一步改变我们保护历史文物及与之互动的方式。随着 AI 技术的不断演进，我们可以期待在虚拟现实、增强现实和增强型机器学习算法等领域出现更复杂的应用。这些技术将带来更加沉浸式和交互式的体验，使世界各地的人们能够以空前的方式探索和欣赏文化遗产。

总体而言，AI 在文化遗产保护中的整合也可能在 tourism 行业中发挥作用。AI 技术正被用于创建虚拟和增强现实 (AR) 体验，使探索文化遗址变得更加沉浸和信息丰富。例如，游客可以在 wildlife 和自然观光过程中使用 AI 驱动的计算机视觉算法来提升体验，或者通过智能手机上的视觉搜索功能获取有关地标和艺术品的详细信息。