據外媒報道，荷蘭代爾夫特理工大學的研究人員發表在施普林格《機器視覺與應用》上的一項新研究指出 ，開發了一種基于卷積神經網絡（CNN）的模型來重建隨著時間推移而惡化的圖形，他們使用了這個模型成功重建了文森特·梵高的一些由于墨水褪色毀掉的繪畫作品 。

代爾夫特理工大學簡·范德盧比（Jan van der Lubbe）和他的同事研究使用機器學習技術對退化的繪畫進行像素級重建。

研究人員通過畫家梵高的畫作復制品來訓練他們基于卷積神經網絡的模型。事實上，梵高的一些水墨畫在過去的一個世紀里已經嚴重惡化，藝術史學家經常試圖復制它們。

范德魯比說：“我們研究的主要目標之一是，通過機器學習方法，綜合對所用顏色及其隨時間變色的深入研究結果，預測紙上藝術品的原始、過去和未來外觀。這可能有助于設想例如梵高的一幅畫在創作時的樣子?！?/p>

范德魯比和他的同事設計的方法 結合了多分辨率圖像分析技術和深層卷積神經網絡技術，以像素為單位預測繪畫的過去外形 。這就像人腦中的神經網絡，可以通過分析大量數據來訓練完成特定任務。

在他們的研究中，研究人員專門訓練卷積神經網絡在紙上數字化地重建褪色的梵高畫作。該算法是在一個數據集上訓練的，該數據集包含上個世紀不同時期制作的不同質量的原始圖形的復制品。

該研究除了揭示過去的繪畫面貌外，還可以幫助藝術史學家確定適當的藝術品保護和修復策略，以及保護和展示藝術品的有效做法 。

研究人員在一系列實驗中評估了他們的模型，發現它取得了顯著的結果。他們的發現強調了使用機器學習對退化的圖像、文檔和藝術品進行預測性重建的可行性。盡管研究人員專門用他們的模型來重建梵高的畫，但它也可以應用于其他惡化的紙質藝術品或19世紀的手稿。

范德盧布說：“ 我們在梵高繪畫的數字重建方面取得了比目前使用其他方法更好的效果 。當然，梵高只是一個測試或例子。我們的技術也可以延伸到其他藝術家的繪畫、素描和舊文獻?！?/p>

在未來，這種新工具可以幫助藝術史學家對藝術品進行重建，以避免這些藝術珍品徹底惡化。在他們最近的研究中，研究人員一次專注于一幅畫，訓練他們的卷積神經網絡有限的復制品數量。并且該模型也可以用來預測基于大量復制品的原始圖畫的樣子。

此外，這種技術目前通過分析視覺信息來工作。在他們的下一個研究中，研究人員想研究同時分析視覺和化學相關信息（例如墨水的組成及其降解率）是否可以增強模型的性能。