裂纹美学：一种变分-生成方法用于画作中的裂纹检测
计算机视觉与模式识别
2026-02-11 v1 机器学习
数值分析
数值分析
摘要
近期的成像技术、深度学习和数值性能的进展，使非侵入式的对艺术品进行详细分析成为可能，支持其文档和保存。特别是，自动检测素描中的裂纹对于评估退化情况和指导修复至关重要，但由于可能的复杂场景以及裂纹与裂纹样艺术特征（如刷痕或发丝）之间的视觉相似性，这仍然具有挑战性。我们提出一种混合方法，将裂纹检测建模为逆问题，将观察到的图像分解为无裂纹画作和裂纹成分。采用深度生成模型作为底层艺术品的强大先验，同时使用Mumford--Shah型变分函数捕获裂纹结构，辅以裂纹先验。联合优化yield裂纹在画作中的像素级定位图。
引用
@article{arxiv.2602.09730,
title = {Allure of Craquelure: A Variational-Generative Approach to Crack Detection in Paintings},
author = {Laura Paul and Holger Rauhut and Martin Burger and Samira Kabri and Tim Roith},
journal= {arXiv preprint arXiv:2602.09730},
year = {2026}
}