壁画作为不可再生的文化遗产，长期受风化、潮湿、震动和人为因素侵蚀，出现褪色、剥落、龟裂等损伤。复旦大学相关科研团队正将人工智能应用于壁画的数字化修复，旨在为后续的实体修复提供科学依据和可比参照，提升修复效率与可控性。

为何推进数字化修复  

传统修复高度依赖修复师经验，面对大面积或结构复杂的损伤，既耗时又难以保持一致性的风格还原。数字化修复通过高精度影像与多谱数据采集、AI建模与可视化重建，能够在不直接接触文物的前提下模拟多种修复方案，供专家比选并指导实体施工，从而降低误判与二次损伤的风险，提高工作透明度与可重复性。

技术流程（三步概括）

（1）数据采集与预处理：采用高分辨率摄影、激光扫描与多光谱／红外成像，获取壁画表面与潜在层的信息；对图像进行去噪、几何校正与色彩标准化，保证后续建模的数据质量。

（2）模型训练与修复生成：基于大量历史图像与人工损毁样本训练模型。卷积神经网络用于纹理与边缘识别，生成式模型（如扩散模型）负责缺损区域的颜色与纹理补全，模型在整体风格约束下生成候选修复图像。

（3）专家审定与后处理：AI输出作为初稿，由艺术史、材料科学与传统修复专家审定并微调，结合材料兼容性与可实施性形成实体修复方案。人机协同确保修复既符合学术标准，又可在实际工艺中落地。

敦煌莫高窟壁画AI修复前后对比图

实践案例与成效  

（1）敦煌局部修复：在莫高窟若干局部破损点上，团队进行了高精度数据采集与针对性模型训练。数字结果在纹理连贯性与色彩过渡上获修复专家认可，为后续保护评估与方案制定提供了参考依据。

（2）永乐宫《朝元图》色彩重建：针对氧化褪色严重的区域，采用轮廓分离、上色与纹理重建流程，较为直观地再现了主像早期色彩，成果用于沉浸式展陈与学术比对。

（3）马良模型的延展应用：复旦团队开发的“马良”大模型，专门训练于中国书画与壁画语境，既能辅助损毁补全，也可将修复成果作为创作素材，推动传统艺术与数字创作的结合。

《朝元图》中玉皇大帝的AI修复前后对比图

主要挑战与应对路径  

数字化修复仍面临若干限制：不同年代、媒材和技法的壁画对模型泛化能力要求高；极端损毁区域存在重构不确定性；高精度采集与计算成本较高。业界建议采取跨学科协作——整合艺术史、材料学、修复实践与AI工程能力；建立标准化的数字壁画数据库与共享云平台，推进模型定制化与方法论规范化。

未来走向与社会价值  

随着模型细分、数据共享以及VR/AR等展示技术的融合，数字化修复有望从辅助工具转为常态化的科研与展示手段。通过AI与专家的协同，可在保护原作完整性的前提下，扩大公众对历史艺术的可及性，推动文物保护、学术研究与文化展示的联动发展。

【负责该研究项目的科研团队核心成员为：金城教授（复旦大学计算与智能创新学院）、张卫忠青年研究员（复旦大学大数据学院）及龚沛朱博士后、杜响成博士研究生（复旦大学计算与智能创新学院）】

文/广州日报新花城记者：贺涵甫

广州日报新花城编辑：李光曼