Cet article propose un flux de travail de restauration guidée par structure par procuration (SGPR) pour résoudre le problème du manque de données appariées réelles dans la restauration numérique des anciennes fresques de Jiangnan. Cette méthode adopte une stratégie à double voie, formant un modèle génératif (ArtBooth) sur un ensemble de données de peinture classique chinoise via l'apprentissage par procuration afin de maîtriser les styles artistiques, et le combinant avec un algorithme d'extraction de caractéristiques sélectives non entraîné (SFE) pour extraire directement des informations structurelles à partir de fresques endommagées. Les deux sont intégrés via un réseau de contrôle multi-condition optimisé (OptCtrl) pour réaliser une réparation de haute fidélité. Les expériences sur des fresques simulées et réelles montrent que cette méthode surpasse les méthodes traditionnelles existantes tant en termes d'indicateurs objectifs que d'évaluations à l'aveugle par des experts. Cette étude fournit un nouveau paradigme efficace en données pour la restauration intelligente du patrimoine culturel, rompant avec les limites de la dépendance traditionnelle aux données de formation professionnelles.
Yang et al. (Mer,) ont étudié cette question.