代理学習と構造的ガイダンスによる江南古代壁画のデジタル修復

消えゆく壁画を救う

中国南部の湿潤な河畔地帯では、何世紀も前の壁画が静かに失われつつあります。熱、湿気、時間が漆喰を侵食し、亀裂、汚れ、剥落を生じさせますが、手作業での修復はコストもリスクも大きい。この論考は、元の壁に触れずに画面上で江南の繊細な壁画の場面や筆致を復元する、新たなコンピュータによる“デジタル修復”の方法を示します。本研究は美術愛好家だけでなく、現代技術が世界の文化的記憶をどう守り得るかに関心を持つすべての人に意義があります。

江南に眠る宝物

ここで対象となる壁画は浙江省の宗祠、寺院、古い家屋などに散在しています。敦煌の乾いた洞窟壁画とは異なり、これらは土や木、石灰を素材とするため、特に高温多湿の気候に弱い。調査では多くの壁画が重なり合う損傷—亀裂、カビ、色あせ、水染み、絵具層の剥落—に覆われていることが示されています。物理的な修復は高価で不可逆かつ高度な技術を要するため、漆喰ではなくピクセルで画像を再構築するデジタル修復は、安全な最初の手段を提供します。しかし、これら壁画を特徴づける性質が、同時にコンピュータ処理を困難にしています。

通常のAIが陥る限界

深層学習に基づく現代の画像修復プログラムは、通常、大量の「ビフォー・アフター」画像対に依存して訓練されます。しかし江南の壁画については、そのようなデータが存在しません：作品は散在し、多くの民間画工によって描かれ、元の無傷の姿はほとんど分かっていないからです。同時に、損傷自体が標準的なアルゴリズムを混乱させます。暗い亀裂やカビの斑点は繊細な線描と非常に似て見えることがあり、可視的な輪郭に盲目的に従うモデルは、損傷を除去するのではなくそれを写してしまいがちです。その結果、市販の修復ツールは汚れを残すか、壁画の伝統的な様式と矛盾する細部を創作してしまいます。

関連する美術から様式を学ぶ

この行き詰まりを打破するために、著者らはStructurally Guided Proxy Restoration（構造的ガイド付き代理修復、SGPR）と呼ぶワークフローを提案します。第一段階は「様式学習」と「壁画修復」を分離することです。希少な壁画写真に直接訓練する代わりに、博物館所蔵の古典中国画を6000点以上集めた大規模な代理コレクションを構築します。これらの画像は、線の流れ、墨の陰影の重ね方、場面の構成など、江南壁画と共通する芸術言語を持っています。最新の拡散（Diffusion）技術に基づく強力な画像生成器をこの代理セットでファインチューニングし、特別な損失関数によって質感を模倣するだけでなく、筆致のリズムや色のバランスといった広範な芸術的特性を捉えるよう促します。その結果得られた生成器、ArtBoothは、実際の損傷壁画を見たことがなくとも伝統的な中国画の表現を流暢に「話す」ことができます。

汚れた画像から本来の線を見つける

第二の重要なステップは、乱れた写真から壁画の本来の構造を浮かび上がらせることです。ここで著者らは学習を必要としないSelective Feature Extraction（選択的特徴抽出）アルゴリズムを導入します。これは同じ損傷壁画を二つの画像スケールで観察し、それぞれのバージョンに二つの単純なエッジ検出器を走らせます。両方の検出器と両スケールで一貫して現れる特徴は、衣の輪郭や木の幹のような本来の線である可能性が高く、ランダムな斑点や汚れはカビや染みである可能性が高いと判断されます。これらの信号を“エンベロープ”マスクに融合することで、アルゴリズムは信頼できる線を強調しノイズを抑制し、鮮明な線描と洗練されたエッジマップという二つのクリーンなガイド地図を生成します。これらは真の構造を強調しながら劣化の多くを無視するよう設計されています。

実践におけるガイド付きデジタル修復

SGPRの最終部分は、これらのクリーンな構造マップを様式に精通した生成器と最適化されたコントロールネットワークで結びつけることです。修復時には、損傷した壁画画像と短いテキストプロンプトがArtBoothに入力され、フィルタリングされた線画とエッジマップが足場のように働きます。ControlNetフレームワークの適応版がこれらの地図を生成器の内部層に挿入し、ノイズ除去の各ステップを穏やかに誘導して新しい画素が汎用的な場面に流用されるのではなく、元の構図や筆致に従うようにします。模擬損傷と宋西村の実際の壁画を用いたテストでは、この統合システムが汚れや亀裂を従来法よりも徹底的に除去し、人物や物体を正しい位置に保持し、専門家が手作業による慎重なデジタル修復に近いと評価する画質を生んだことが示されました。

文化遺産にとっての意義

非専門家向けの要点は明快です：関連する作品の視覚言語を学び、損傷と本来の線を注意深く分離することで、AIは消えゆく可能性のある脆弱な壁画に対して博物館級のデジタル修復を提供できるようになりました。絵画の大部分が欠損している場合や色彩豊かな作品への拡張は依然として課題ですが、それでも保存担当者にとって強力な新しいツールを既に提供しています。より広く見れば、本研究は代理データと構造的ガイダンスを賢く活用することで、希少で損傷が激しく、あるいは極めて貴重で大量の訓練データを提供できない多様な遺産物の保護に寄与できることを示しています。

引用: Yang, C., Liu, Y. & Cai, Y. Digital restoration of ancient Jiangnan murals via proxy learning and structural guidance. npj Herit. Sci. 14, 182 (2026). https://doi.org/10.1038/s40494-026-02369-y

キーワード: デジタル壁画修復, 文化遺産保全, 画像生成AI, 中国画の様式, 損傷耐性特徴抽出