نموذج محسّن للملء الرقمي للصور موجه بالشرط الثنائي الدلالي والاسكتش للوحة المناظر الطبيعية الصينية

منح الأعمال الهشة حياة رقمية جديدة

تُعتبر لوحات المناظر الطبيعية الصينية القديمة، المحببة لجمال جبالها الضبابية ولمسات الفرشاة المتدفقة، قطعًا هشة أيضًا: قرون من التداول والحشرات والرطوبة تتركها مليئة بالتشققات وثقوب الديدان والمناطق المفقودة. على المحافظين أن يوازنوا بين إنقاذ ما تبقى وتجنُّب إلحاق مزيد من الضرر. تُقدّم هذه الدراسة طريقة ذكاء اصطناعي مصممة خصيصًا لمساعدة استعادة هذه اللوحات في المجال الرقمي، تملأ الفجوات مع الحفاظ على بنية الفنان وأسلوبه قدر الإمكان.

لماذا تحتاج اللوحات القديمة إلى تقنية جديدة

تتبع المناظر الطبيعية الصينية التقليدية تيارين عامين: المدرسة الشمالية ذات القمم الجريئة والشارقة، والمدرسة الجنوبية المعروفة بغسلات الحبر الناعمة والمساحات الفارغة. كلاهما يعتمد على تباينات دقيقة في الخط والنغمة التي تتعرّض بسهولة للاضطراب عندما يتدهور الورق أو الحرير. الترميم اليدوي يستغرق وقتًا طويلاً ولا رجعة فيه؛ فخطأ واحد يمكن أن يغير تحفة فنية إلى الأبد. الطرق الرقمية السابقة كانت إما تنسخ بكسلات مجاورة أو تعتمد أدوات عامة للصور. ربما كانت تصلح رقعة في صورة شارع، لكنها غالبًا ما تفشل مع اللوحات، فتنتج صخورًا محرجة أو جذوع أشجار مكسورة أو ضربات فرشاة «تبدو غير صحيحة» بالنسبة للخبراء.

كيف يتعلم الذكاء الاصطناعي البنية والمعنى

لتجاوز هذه الحدود، صمّم الباحثون نظام ترميم ينظر إلى اللوحة بثلاثة طرق متممة في آن واحد. أولًا، يستخرج «اسكتش» مفصّل يظهر قوة كل خط، من حواف الجبال الجريئة إلى ضربات النسيج الخفيفة، باستخدام شبكة كشف الحواف المُدفَّرة للحفاظ على انتقالات الحبر الرقيقة. ثانيًا، يبني خريطة ملونة تُظهِر ما تمثّله كل منطقة—السماء، الماء، الصخر، النبات—باستخدام نموذج تجزئة دلالي غير مُشرف. ثالثًا، يحلل الصورة الجزئية المُقنعة ذاتيًا. تُدمَج هذه المسارات الثلاثة وتُغذّى إلى مُحوّل (Transformer)، وهو بنية ذكاء اصطناعي قوية طوِّرت أصلاً للغة، يتنبأ بكيفية ظهور البقع المفقودة بحيث تتناسب مع البنية الأساسية والمشهد العام.

تعليم الذكاء الاصطناعي تقليد ضربات الفرشاة، وليس الأشكال فقط

مطابقة التكوين ليست سوى نصف التحدي؛ يجب أن تتوافق التعبئة أيضًا مع يد الفنان. لذلك أضاف الفريق وحدة استخراج ميزات أسلوبية خفيفة التركيب تركز على الصفات الدقيقة لضربات الفرشاة والحبر—كيف تنحني الضربات، كيف يتكوّن النسيج على وجوه الصخور، كيف تتلاشى الغسلات في الورق الفارغ. هذه الوحدة تُلخّص المعلومات المتعلقة بالأسلوب من الأجزاء المرئية من اللوحة وتحقنها في مراحل متعددة أثناء إعادة بناء المناطق المفقودة، مُيَسِّرةً المخرجات نحو نفس الإيقاع والنغمة كالأصل. يعتمد التدريب على هدف مركب يعاقب ليس فقط أخطاء على مستوى البكسل، بل أيضًا عدم التطابق في البنية المُدركة، وإحصاءات النسيج، والأسلوب العام، مما يشجع نتائج «تبدو صحيحة» للعين البشرية، وليس فقط للحاسبة.

وضع الطريقة على المحك

لتقييم النهج، جمع الباحثون مجموعة بيانات كبيرة تضم قرابة 5000 لوحة منظر طبيعي عالية الجودة من مجموعات متاحف عامة ومعيار مرجعي عام، مع موازنة بين أعمال المدرسة الشمالية والجنوبية. طبقوا رقعًا غير منتظمة رقميًا تُحاكي التلف الحقيقي—خسائر صغيرة، خدوش واسعة، ومجموعات من ثقوب الديدان—وقارنوا طريقتهم مع ستة أنظمة ملء رائدة، بما في ذلك شبكات التلافيف الشائعة، ونماذج المُحوّل، ونماذج الانتشار الحديثة. عبر مستويات تلف مختلفة، حقق النموذج الجديد درجات أعلى باستمرار في الحدة، والتشابه البنيوي، والواقعية البصرية. أظهرت المقارنات عند التكبير محاورّ جبل أنعم، فروع أشجار أكثر إقناعًا، ونسيج حبر امتزج بسلاسة مع المناطق غير المجروحة. كما فضّل المراجعون البشر، بمن فيهم رسامون مدرّبون، ترميماته لكونها أكثر اتساقًا في البنية والأسلوب.

ماذا يعني هذا للتراث الثقافي

بعبارات بسيطة، تُظهر الدراسة أن نظام ذكاء اصطناعي يمكن تدريبه ليس فقط «لسدّ الفجوات» في الصور، بل لاحترام المنطق الداخلي وشخصية اللوحة التقليدية الصينية للمناظر الطبيعية. من خلال الجمع بين الرسوم الخطية، ومعاني المناطق، والدلائل الأسلوبية، يعيد النموذج بناء أجزاء مفقودة تبدو كما لو أنها قد تنتمي فعليًا إلى المخطوطة الأصلية. وبينما لا يمكنه أن يحل محل المحافظين، فإنه يقدّم للمتاحف والباحثين أداة قوية وغير تدخلية لتصور الترميمات المحتملة، وتخطيط العلاجات، وإنشاء نسخ رقمية أكثر اكتمالًا للأعمال الهشة—مساعدًا هذه المناظر على البقاء والدراسة طويلاً بعد أن يصبح الورق هشًا جدًا لفرده.

الاستشهاد: Cao, S., Mu, D., Zhang, Y. et al. An improved semantic and sketch biconditional guided image inpainting model for Chinese landscape painting. npj Herit. Sci. 14, 103 (2026). https://doi.org/10.1038/s40494-026-02371-4

الكلمات المفتاحية: الترميم الرقمي, اللوحة الصينية للمناظر الطبيعية, ملء الصور, التراث الثقافي, حفظ الأعمال الفنية