将像素转化为杰作：使用新型分布式去噪 CNN（DDCNN）的 AI 驱动艺术修复

艺术修复对保护文化遗产至关重要，但传统方法在忠实再现原作的同时处理褪色、污渍和破损等问题时存在局限。我们提出一种利用深度学习（特别是卷积神经网络（CNN））与计算机视觉技术来革新艺术修复的创新方法。我们首先创建一个包含各类失真与退化程度的劣化艺术图像多样数据集。该数据集用于训练一个分布式去噪 CNN（DDCNN），以在保留精细细节的同时去除失真。我们的方法可适配不同失真类型与程度，适用于包括绘画、素描和照片在内的各类劣化艺术品。大量实验表明，与其他去噪 CNN 模型相比，我们的方法高效且有效。我们大幅降低失真，将劣化艺术品转化为杰作。定量评估证实我们的方法优于传统技术，重塑了艺术修复领域并保护了文化遗产。总之，本文介绍了一种结合计算机视觉与深度学习及 DDCNN 的 AI 驱动方案，可精准修复艺术品，克服局限并为艺术修复的未来进展铺平道路。