Un metodo di restauro dei caratteri JianDu basato sulla fusione Fourier debiased cross-domain e sulla query parametrizzata delle coordinate

Ridare vita ai testi sbiaditi su bambù

Per più di duemila anni funzionari, soldati e studiosi cinesi scrissero su sottili strisce di bambù e legno. Oggi questi fragili frammenti "jiandu" contengono indizi inestimabili sulla politica, il commercio e la vita quotidiana nell’antica Cina, ma la scrittura è spesso erosa dall’età, dalla muffa e dai danneggiamenti. Questo articolo presenta una nuova tecnica di intelligenza artificiale (AI) che può restaurare digitalmente singoli caratteri su queste strisce, aiutando gli storici a leggere testi altrimenti quasi illeggibili.

Perché il bambù antico è così difficile da leggere

A differenza delle pagine stampate moderne, le strisce di bambù e legno hanno superfici fortemente strutturate attraversate da fibre e macchie. I tratti d’inchiostro che ci interessano sono sottili e sbiaditi, mentre la trama di fondo è netta e irregolare. Per un computer, lo sfondo può risultare più “rumoroso” della scrittura stessa. Le macchie di muffa scuriscono gradualmente parti della superficie, e le crepe o i frammenti mancanti cancellano intere porzioni dei caratteri. I programmi standard di riparazione delle immagini, efficaci sulle foto ordinarie, tendono a sfocare questi tratti delicati, a inventare texture spurie o a mescolare il rumore di fondo nelle aree dove dovrebbero trovarsi i segni grafici.

Un modo mirato per ricostruire i tratti mancanti

Molti metodi di restauro cercano di rigenerare ogni singolo pixel nell’immagine, anche nelle regioni perfettamente integre. Gli autori invece progettano un sistema che concentra gli sforzi sulle zone danneggiate e sull’intorno immediato. Prima, una rete di "generazione di parametri" scansiona una versione sottocampionata della striscia danneggiata insieme a una maschera che indica dove mancano informazioni. Produce quindi un insieme compatto di istruzioni—essenzialmente una ricetta—adattata ai fori e al contesto circostante. Una seconda rete di "query dei pixel" usa questa ricetta insieme alle coordinate precise di ciascun pixel all’interno delle regioni danneggiate per ricostruirli uno a uno. Poiché la rete sa sempre esattamente in quale punto dell’immagine sta operando, può preservare meglio i dettagli fini come i bordi e le giunzioni dei tratti, anche ad alta risoluzione.

Fondere spazio e frequenze senza distorsioni

Per comprendere e riparare pattern complessi, il metodo non si basa soltanto sulle forme nel piano spaziale. Analizza anche come le variazioni di chiaro e scuro sono distribuite su scale diverse, utilizzando la trasformata di Fourier—uno strumento matematico che rappresenta l’immagine come una combinazione di onde. Nelle immagini jiandu, le basse frequenze descrivono principalmente lo sfondo di bambù, mentre le alte frequenze catturano i bordi netti dei caratteri. Tuttavia, applicare ingenuamente le comuni tecniche delle reti neurali in questo dominio delle onde può disordinare lo spettro, causando blocchi di colore anomali e la fuoriuscita di pattern di sfondo nei tratti. Gli autori introducono quindi un modulo Fourier “debiased” che riorganizza e recentra lo spettro, etichetta ogni banda di frequenza con una posizione apprendibile e normalizza con delicatezza i valori estremi. Contemporaneamente, un blocco di fusione spazio–frequenza consente alle caratteristiche spaziali (forme e texture locali) e a quelle in frequenza (pattern globali e statistiche del rumore) di guidarsi reciprocamente mediante un meccanismo di cross-attention, creando una descrizione più ricca e stabile dell’immagine danneggiata.

Mettere il metodo alla prova

Il team ha assemblato un ampio dataset di oltre 60.000 immagini a carattere singolo tratte da strisce di bambù e legno che coprono diverse dinastie cinesi, filtrate con cura per qualità e divise in set di addestramento e test. Hanno inoltre utilizzato collezioni consolidate di maschere di danneggiamento artificiale per simulare diversi tipi di perdita—piccole lacune, ampie aree mancanti e forme casuali simili a crepe—oltre a un dataset di foto street-view per verificare quanto il metodo generalizzi oltre i materiali d’eredità. Su un’ampia gamma di test, il nuovo approccio ha ricostruito le regioni mancanti con maggiore accuratezza rispetto a sette tecniche di inpainting leader, ottenendo punteggi più alti nelle misure di accuratezza pixel, nitidezza percepita e similarità strutturale. I confronti visivi mostrano tratti dei caratteri più puliti, meno artefatti a mosaico e minore contaminazione da texture di sfondo, anche quando muffa o motivi fibrosi sono intensi.

Cosa significa per la lettura del passato

In definitiva, questo lavoro offre un “conservatore” digitale specializzato per testi antichi su bambù e legno. Imparando a separare i fragili tratti d’inchiostro dagli sfondi rumorosi e degradati—e gestendo con cura come le forme spaziali e i pattern a onda interagiscono—il metodo può riempire le parti mancanti dei caratteri in modo plausibile per esperti umani e utile per il riconoscimento automatico dei caratteri. Pur avendo ancora difficoltà con gap molto ampi e alcuni stili di scrittura complessi, l’approccio rappresenta un passo significativo verso la trasformazione di tracce sbiadite e frammentarie su antiche strisce in testo leggibile e analizzabile per storici, linguisti e il pubblico più ampio.

Citazione: Lu, Z., Wang, T., Hu, X. et al. A JianDu character restoration method based on cross-domain debiased fourier fusion and parameterized coordinate query. npj Herit. Sci. 14, 159 (2026). https://doi.org/10.1038/s40494-026-02414-w

Parole chiave: restauro di strisce di bambù, caratteri cinesi antichi, inpainting di immagini, deep learning basato su Fourier, patrimonio culturale digitale