近年來，越來越多的研究人員開始嘗試使用機器學習技術，識別創(chuàng)作特定藝術品的藝術家，或確定畫作是真品還是贗品?，F(xiàn)在，機器學習技術在藝術領域又有了新的用途。

近日，荷蘭代爾夫特理工大學的研究人員開發(fā)了一種基于卷積神經(jīng)網(wǎng)絡（CNN）的模型，來復原因墨水褪色和變色而被毀的梵高畫作。

研究人員著手研究如何使用機器學習技術對退化的畫作進行像素級還原。這些畫目前無法展出，幾十年后它們可能會完全損壞。帶著這樣的想法，研究團隊想要開發(fā)一種模型，能夠自動地重建這些無價的藝術品，從而保護它們，并使它們能夠對公眾展示。

研究團隊成員van der Lubbe說：“我們研究的主要目標之一是通過機器學習的方法來預測藝術品在紙上的原始、過去和未來的外觀，這些方法綜合了對所用顏色的深入研究和隨著時間的推移它們變色的結果。例如，這可能有助于想象梵高的一幅畫在創(chuàng)作時的樣子?！?/p>

這種方法由van der Lubbe和他的同事們設計，結合了多分辨率圖像分析和深度CNNs技術來預測過去繪畫的像素級外觀。CNNs是受生物神經(jīng)網(wǎng)絡（如人類大腦中的神經(jīng)網(wǎng)絡）啟發(fā)的算法，可以通過分析大量數(shù)據(jù)來完成特定的任務。

在他們的研究中，研究人員專門訓練了一個CNN，用數(shù)字技術在紙上重現(xiàn)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)集包含過去一個世紀中不同時期繪制的不同質量的原始圖紙的復制品。

研究人員在一系列的實驗中對他們的模型進行了評估，發(fā)現(xiàn)它取得了顯著的效果。他們的發(fā)現(xiàn)證明了利用機器學習對退化圖像、文檔和藝術品進行預測重建的可行性。雖然研究人員特別使用他們的模型來重建梵高的畫作，但它也可以應用于其他紙上的退化藝術品或19世紀的手稿。

當涉及到藝術保存時，繪畫和素描的退化是一個關鍵的挑戰(zhàn)?？梢哉f，能夠自動重建不完整或損壞的藝術品的工具將大大簡化藝術歷史學家的工作。