CMAMRNet：面向壁画修复的上下文感知掩码注意网络

壁画作为珍贵的文化遗产，不断受到环境因素和人类活动的侵蚀。壁画的数字修复因其复杂的退化模式以及关键性需求——保持艺术真实感——面临独特挑战。现有基于学习的方法在网络中无法保持一致的掩码引导，导致对受损区域关注不足并影响修复质量。我们提出CMAMRNet(Contextual Mask-Aware Mural Restoration Network)，通过全面掩码引导和多尺度特征提取来解决这些局限性。该框架引入两个关键组件：(1)掩码感知升/降采样器(MAUDS)，通过专门的通道级特征选择和掩码引导特征融合，确保跨分辨率尺度的掩码灵敏度一致；(2)协特征聚合器(CFA)，在最高和最低分辨率上运行，以提取互补特征，用于捕捉退化区域中的细微纹理和全局结构。在基准数据集上的实验结果表明，CMAMRNet 优于当前方法，有效保留修复后壁画的结构完整性和艺术细节。代码已公开。