，据国外媒体报道，9月20日，荷兰代尔夫特理工大学研究人员在施普林格《机器视觉与应用》上发表的一项新研究指出，已经开发了卷积神经网络（CNN）。该模型用于重建随时间推移而恶化的图形，并且他们使用该模型成功地重建了因墨水褪色而被破坏的Vincent Van Gogh的某些绘画。代尔夫特理工大学的Jan van der Lubbe及其同事研究了机器学习技术在退化绘画的像素级重建中的应用。研究人员通过卷积神经网络，通过画家梵高（Van Gogh）的绘画复制品训练了他们的模型。实际上，梵高的一些水墨画在上个世纪已经严重恶化，艺术史学家经常尝试复制它们。范德鲁比说：“我们研究的主要目标之一是通过机器学习方法来预测艺术品在纸上的原始，过去和将来的外观，该方法结合了对所用颜色及其随时间变色的深入研究。
这可能有助于在创作时设想出诸如梵高的绘画之类的图片。 Van Der Ruby和他的同事设计的方法将多分辨率图像分析技术与深度卷积神经网络技术相结合，以像素为单位来预测绘画的过去形状。这就像人脑中的神经网络，可以通过大量数据进行分析以训练它们完成特定任务。在他们的研究中，研究人员专门训练了卷积神经网络，以数字方式重建纸上褪色的梵高画作。该算法在一个数据集上进行了训练，该数据集包含一个世纪不同时期产生的不同质量的原始图形的副本。除了揭示过去的绘画作品，这项研究还可以帮助艺术史学家确定适当的艺术保护和修复策略，以及保护和展示艺术品的有效实践。研究人员通过一系列实验评估了他们的模型，发现他们取得了显著成果。他们的发现强调了使用机器学习对退化的图像，文档和艺术品进行预测性重建的可行性。
尽管研究人员使用他们的模型来重建梵高的画作，但也可以将其应用于其他退化的纸张艺术或19世纪的手稿中。范德鲁布说：“与目前使用的其他方法相比，我们在梵高画作的数字重建中取得了更好的结果。当然，梵高只是一个测试或一个例子。我们的技术也可以扩展到绘画和素描上。将来，这个新工具可以帮助艺术史学家重建艺术品，从而避免这些艺术品的完全退化。在最近的研究中，研究人员一次只专注于一幅画，训练他们的卷积性。副本数量有限的神经网络，并且该模型还可以用于基于大量副本预测原始图片的外观；此外，该技术目前还可以通过分析视觉信息来发挥作用。研究人员希望调查同时分析视觉和化学相关信息（例如墨水成分和降解速度）是否可以增强模型的性能。
，据国外媒体报道，9月20日，荷兰代尔夫特理工大学研究人员在施普林格《机器视觉与应用》上发表的一项新研究指出，已经开发了卷积神经网络（CNN）。该模型用于重建随时间推移而恶化的图形，并且他们使用该模型成功地重建了因墨水褪色而被破坏的Vincent Van Gogh的某些绘画。代尔夫特理工大学的Jan van der Lubbe及其同事研究了机器学习技术在退化绘画的像素级重建中的应用。研究人员通过卷积神经网络，通过画家梵高（Van Gogh）的绘画复制品训练了他们的模型。实际上，梵高的一些水墨画在上个世纪已经严重恶化，艺术史学家经常尝试复制它们。范德鲁比说：“我们研究的主要目标之一是通过机器学习方法来预测艺术品在纸上的原始，过去和将来的外观，该方法结合了对所用颜色及其随时间变色的深入研究。
这可能有助于在创作时设想出诸如梵高的绘画之类的图片。 Van Der Ruby和他的同事设计的方法将多分辨率图像分析技术与深度卷积神经网络技术相结合，以像素为单位来预测绘画的过去形状。这就像人脑中的神经网络，可以通过大量数据进行分析以训练它们完成特定任务。
在他们的研究中，研究人员专门训练了卷积神经网络，以数字方式重建纸上褪色的梵高画作。该算法在一个数据集上进行了训练，该数据集包含一个世纪不同时期产生的不同质量的原始图形的副本。除了揭示过去的绘画作品，这项研究还可以帮助艺术史学家确定适当的艺术保护和修复策略，以及保护和展示艺术品的有效实践。研究人员通过一系列实验评估了他们的模型，发现他们取得了显著成果。他们的发现强调了使用机器学习对退化的图像，文档和艺术品进行预测性重建的可行性。
尽管研究人员使用他们的模型来重建梵高的画作，但也可以将其应用于其他退化的纸张艺术或19世纪的手稿中。范德鲁布说：“与目前使用的其他方法相比，我们在梵高画作的数字重建中取得了更好的结果。当然，梵高只是一个测试或一个例子。我们的技术也可以扩展到绘画和素描上。将来，这个新工具可以帮助艺术史学家重建艺术品，从而避免这些艺术品的完全退化。在最近的研究中，研究人员一次只专注于一幅画，训练他们的卷积性。副本数量有限的神经网络，并且该模型还可以用于基于大量副本预测原始图片的外观；此外，该技术目前还可以通过分析视觉信息来发挥作用。研究人员希望调查同时分析视觉和化学相关信息（例如墨水成分和降解速度）是否可以增强模型的性能。
