藝術品的重建及未來應用—以荷蘭TU Delft的研究為例

位於荷蘭台夫特科技大學(TU Delft)的研究人員最近開發了一種基於卷積神經網絡(convolutional neural network,CNN)的模型，提出將多分辨率圖像分析和深度卷積神經網絡(CNN)結合在一起的方法，以像素為單位預測圖形的過去外觀，並重建那些隨著時間變質的繪畫，結果表明，退化圖像的預測重建是可行的。此研究發表於Springer的《Machine Vision and Applications》文章中。

在過去，像是CNN這樣的機器學習技術主要用於識別創作特定藝術品的藝術家，以及確認繪畫的真偽；而與先前不同的是，研究人員Jan van der Lubbe及他的同事則是研究如何對劣化的畫作進行像素級重建，這些畫作在幾十年之後可能會完全退化，因此這些研究人員希望透過開發自動重建藝術品的模型來保護這些珍貴的畫作。由於畫作的變質對藝術保存方面來說十分關鍵，所以可以自動重建殘缺藝術品的工具也將大大簡化藝術史學家的工作。

目前，研究人員們著重於重建Vincent Van Gogh的一些畫作複製品，這些繪畫隨著時間推移已開始褪色和變色，為了透過機器學習技法來預測藝術品在紙上的原始、過去和將來的外觀，會先將複製品作為繪畫過去的參考資訊，而將重建繪畫當作像素級別上的預測問題。其中，梵谷的雪地與農具(Snow-Covered Field with a Harrow (after Millet))這幅畫是最常被提起的例子，這幅畫現在可在梵谷博物館(Van Gogh Museum)看到。研究人員Van der Lubbe說明此幅畫作的顏色已淡化，並且被畫框保護著的畫作邊緣原本是紫色的，而現在則是顯示出綠色。

(圖片來源: https://www.tudelft.nl/en/2019/ewi/researchers-from-tu-delft-discover-real-van-gogh-using-artificial-intelligence/)

研究人員通過一系列實驗評估了此模型，發現此模型取得了顯著成果，強調對退化的圖像、文檔和藝術品進行預測性重建的可行性，將來，此模型可幫助藝術史學家對藝術品進行重建，除了梵谷的繪畫之外，也可以將其應用於其他退化的紙上藝術品或19世紀手稿。

(梵谷手稿及複製品 圖片來源: https://www.tudelft.nl/en/2019/ewi/researchers-from-tu-delft-discover-real-van-gogh-using-artificial-intelligence/)

現今越來越多博物館開始試著使用數位的方式重建這些藝術品的退化，而台夫特科技大學(TU Delft)的研究人員正在努力幫助他們，這樣的進展同時也可以促進不同產業之間的合作，像是以梵谷的研究項目(ReViGo)為例，梵谷博物館(Van Gogh Museum)和荷蘭文化遺產局的策展人、修復師、藝術史學家和科學家互相合作找尋梵谷作品中的顏色變化。並且透過此技術，除了揭示過去的繪畫外觀之外，還可以幫助藝術史學家訂定適當的藝術品保存與修復策略，以及藝術品展示的有效方法，對於在博物館的運用上有很大的幫助。

參考資料:

1.      TechXplore: https://techxplore.com/news/2019-09-machine-reconstruct-deteriorated-van-gogh.html?fbclid=IwAR1hRdgEtg5W4QhlpysG3-e6FbIYn-shlisbYeFK4LH9T98-lbvN0Eh3QXA

2.      TU Delft: https://www.tudelft.nl/en/2019/ewi/researchers-from-tu-delft-discover-real-van-gogh-using-artificial-intelligence/

3.      Springer: https://link.springer.com/article/10.1007/s00138-019-01047-3

文/鄭珮君