МЕТОДИКА АВТОМАТИЗИРОВАННОГО ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ
Аннотация
Задача восстановления утраченных фрагментов монументальной живописи является акту- альной в контексте сохранения объектов культурного наследия. Современные технологии искус- ственного интеллекта, включая свёрточные нейронные сети (СНС), значительно расширяют возможности реставрации, позволяя автоматизировать сложные процессы восстановления изо- бражений. В частности восстановление утраченных элементов фресок требует точных инстру- ментов анализа, которые могут предсказать недостающие фрагменты с минимальными ошиб- ками, сохраняя художественный стиль оригинала. Целью данного исследования является разра- ботка методики автоматизированного восстановления утраченных фрагментов изображений монументальной живописи с использованием СНС (на примере фресок). Обозначенная цель дос- тигнута путём решения следующих задач: получение изображений фресок с использованием со- ответствующих методологических и технических средств, применение архитектуры U-Net для сегментации и реконструкции изображений, прогнозирование утраченных участков на основе анализа цветовых характеристик. Метод фотограмметрии и спроектированное приспособление, которые были использованы для осуществления многоракурсной съёмки, обеспечили получение высококачественных исходных данных для последующей обработки. Адаптация архитектуры U-Net применительно к задаче сегментации изображений доказала свою эффективность при вы- делении ключевых структурных элементов фресок, что поспособствовало точной реконструкции утраченных областей. Для прогнозирования утраченных участков проводился анализ цветовых характеристик в системе HSL, что позволило СНС предсказывать недостающие цвета с высокой степенью точности. Краткие выводы исследования показывают, что предложенная методика позволяет восстановить как форму, так и цвет утраченных фрагментов фресок. Предложенную методику планируется использовать для реставрации произведений искусства других типов, что делает её перспективной для дальнейших исследований.
