代尔夫特理工大学简·范德卢比和他的同事用新方法重建梵高画作

　　代尔夫特理工大学简·范德卢比（Jan van der Lubbe）和他的同事研究使用机器学习技术对退化的绘画进行像素级重建。

　　研究人员通过画家梵高的画作复制品来训练他们基于卷积神经网络的模型。事实上，梵高的一些水墨画在过去的一个世纪里已经严重恶化，艺术史学家经常试图复制它们。

　　范德鲁比说：“我们研究的主要目标之一是，通过机器学习方法，综合对所用颜色及其随时间变色的深入研究结果，预测纸上艺术品的原始、过去和未来外观。这可能有助于设想例如梵高的一幅画在创作时的样子。”

　　范德鲁比和他的同事设计的方法 结合了多分辨率图像分析技术和深层卷积神经网络技术，以像素为单位预测绘画的过去外形 。这就像人脑中的神经网络，可以通过分析大量数据来训练完成特定任务。

　　在他们的研究中，研究人员专门训练卷积神经网络在纸上数字化地重建褪色的梵高画作。该算法是在一个数据集上训练的，该数据集包含上个世纪不同时期制作的不同质量的原始图形的复制品。

　　该研究除了揭示过去的绘画面貌外，还可以帮助艺术史学家确定适当的艺术品保护和修复策略，以及保护和展示艺术品的有效做法 。

　　研究人员在一系列实验中评估了他们的模型，发现它取得了显著的结果。他们的发现强调了使用机器学习对退化的图像、文档和艺术品进行预测性重建的可行性。尽管研究人员专门用他们的模型来重建梵高的画，但它也可以应用于其他恶化的纸质艺术品或19世纪的手稿。

　　范德卢布说：“ 我们在梵高绘画的数字重建方面取得了比目前使用其他方法更好的效果 。当然，梵高只是一个测试或例子。我们的技术也可以延伸到其他艺术家的绘画、素描和旧文献。”

　　在未来，这种新工具可以帮助艺术史学家对艺术品进行重建，以避免这些艺术珍品彻底恶化。在他们最近的研究中，研究人员一次专注于一幅画，训练他们的卷积神经网络有限的复制品数量。并且该模型也可以用来预测基于大量复制品的原始图画的样子。

　　此外，这种技术目前通过分析视觉信息来工作。在他们的下一个研究中，研究人员想研究同时分析视觉和化学相关信息（例如墨水的组成及其降解率）是否可以增强模型的性能。