Een gated-attention multi-prior injectie-diffusiemodel voor de restauratie van Huashan-rotskunstbeelden

Oude rotschilderingen weer tot leven brengen

De Zuojiang Huashan-rotskunst in Zuid-China is een uitgestrekte rotswandgalerij die meer dan tweeduizend jaar geleden is geschilderd. Tegenwoordig zijn veel van deze okerkleurige figuren en symbolen sterk vervaagd, gebarsten of helemaal verdwenen. Dit artikel presenteert een digitale methode die geavanceerde beeldgeneratietechnieken gebruikt om deze kwetsbare kunstwerken virtueel te herstellen, met als doel zorgvuldige conservering, onderzoek en publiekswaarde te ondersteunen zonder het gesteente fysiek aan te raken.

Waarom deze rotschilderingen ertoe doen

De Huashan-rotskunst loopt langs steile rivierkliffen en toont hurkende menselijke figuren, rituele scènes en andere symbolische vormen in opvallende roodtinten. Het is een van de grootste en rijkste rotskunstcomplexen in Zuid-China en Zuidoost-Azië, en een belangrijk onderdeel van het Zhuang-culturele erfgoed. De pigmenten, gemaakt van ijzerhoudende mineralen, zijn echter zeer kwetsbaar voor regen, wind, biologische aangroei en menselijk contact. In de loop der eeuwen heeft dit geleid tot vervaagde kleuren, verbroken contouren, afbladderende plekken en rumoerige, verweerde structuren die moeilijk te onderscheiden zijn van de oorspronkelijke geschilderde motieven. Traditionele handmatige restauratie is traag, subjectief en moeilijk reproduceerbaar, waardoor het lastig is om zo’n groot en broos terrein op schaal te beschermen.

Hoe intelligente restauratie kan helpen

Digitale beeldrestauratie biedt een manier om ontbrekende delen virtueel „in te vullen”, volgens het conserveringsprincipe van minimale interventie. In plaats van de rots opnieuw te beschilderen, infereren computers waarschijnlijke vormen en texturen in ontbrekende gebieden, en leveren consistente, omkeerbare resultaten die in hoge resolutie gearchiveerd kunnen worden, gebruikt voor studie en gedeeld via tentoonstellingen en immersive ervaringen. Eerdere AI-werkzaamheden op het gebied van cultureel erfgoed richtten zich vooral op het detecteren van schade of het segmenteren van motieven, of op het herstellen van muurschilderingen waar vormen en texturen regelmatiger zijn. Rotskunst vormt een zwaardere uitdaging: de betekenis schuilt in subtiele contouren en symbolische poses, terwijl de oppervlakken sterk verweerd en onregelmatig zijn. Een restauratiemethode moet de oorspronkelijke vormen respecteren en tegelijk ruwe, verbroken texturen op een geloofwaardige maar niet over-uitgevonden manier aanvullen.

Een nieuwe dataset voor verweerde rotsoppervlakken

De auteurs stellen eerst een speciale afbeeldingsdataset samen voor de restauratie van Huashan-rotskunst. Ze verzamelen 528 kandidaat-afbeeldingen uit gedrukte atlassen en openbare online bronnen en selecteren daaruit zorgvuldig 177 die duidelijk rotskunstmotieven tonen met zichtbare degradatie zoals vervaging, afbladdering en vervaagde grenzen. Alle geselecteerde afbeeldingen worden geconverteerd naar een gemeenschappelijk kleurformaat en herschaald naar 512×512 pixels, met het belangrijkste geschilderde gebied gecentreerd. Om restauratiemethoden op een gecontroleerde manier te trainen en te testen, genereren ze triplets voor elk monster: (1) een schone referentieafbeelding, (2) een invoerafbeelding waarbij 30–65% van het gebied met zwarte vlekken is gemaskeerd om schade te simuleren, en (3) een masker dat de ontbrekende gebieden aangeeft. Deze opzet maakt objectieve, pixelgewijze evaluatie mogelijk van hoe goed verschillende methoden het onderliggende kunstwerk kunnen reconstrueren.

Een model leren vorm en oppervlak te respecteren

De kern van het artikel is een restauratiekader dat is opgebouwd rond diffusiemodellen, een recente klasse generatieve methoden die geleidelijk ruis omzetten in beelden via vele kleine denoising-stappen. In plaats van alle visuele aanwijzingen als één geheel te behandelen, splitsen de auteurs de begeleiding in twee afzonderlijke „priors”: één die structuur benadrukt (randen en slag-achtige contouren) en één die textuur benadrukt (fijn korrel en oppervlaktestructuur). Deze priors worden uit de nog zichtbare delen van een beschadigde afbeelding berekend met deterministische filters en vervolgens gecodeerd in feature-maps. Een gated attention-fusiemodule beslist bij elke denoising-stap hoeveel er vertrouwd wordt op structurele versus textuurgeleiding en hoe sterk deze in het diffusieproces moeten worden geïnjecteerd. Vroeg in het proces leunt het systeem meer op stabiele omtrekken; later, naarmate de ruis afneemt, richt het zich meer op het reconstrueren van textuurdetails die passen bij het omliggende rotsoppervlak.

Hoe goed de digitale restaurator presteert

Het team traint en test hun methode op de Huashan-dataset en vergelijkt deze met een breed scala aan bestaande beeldrestauratiemodellen, van klassieke encoder–decoder-netwerken tot geavanceerde generatieve en state-space benaderingen. Met behulp van standaardmaten voor fout, scherpte en structurele gelijkenis behaalt hun model lagere pixelgewijze fouten en hogere structurele overeenstemming dan alle basismodellen op de rotskunst-testset. Ablatieonderzoek toont aan dat elk toegevoegd component—de dual-branch prior-extractie en de gated attention-fusie—duidelijke verbeteringen oplevert. Visuele vergelijkingen laten vloeiendere voortzetting van menselijke en symbolische contouren zien en een natuurlijkere integratie van herstelde gebieden met verweerde achtergronden. Attention-mappen geven verder aan dat het model zich richt op ontbrekende randen, sleutelomtrekken van symbolen en zones van textuurovergang, in plaats van blinde naschildering van grote oppervlakken.

Wat dit betekent voor het beschermen van het verleden

Voor niet-specialisten is de belangrijkste conclusie dat deze methode een voorzichtiger en beter interpreteerbare manier biedt om oude rotschilderingen digitaal te herstellen. Door vorm- en oppervlakssignalen te scheiden en hun invloed in de tijd aan te passen, kan het model gebroken figuren opnieuw verbinden en ontbrekende plekken vullen, terwijl het uiterlijk en het materiële gevoel van de oorspronkelijke rots behouden blijven. De auteurs benadrukken dat hun systeem een hulpmiddel is om deskundig oordeel te ondersteunen en niet te vervangen, en dat meer gevarieerde data en expertbeoordeling nodig zijn. Toch wijst het werk op een toekomst waarin bedreigde rotskunst gedocumenteerd, bestudeerd en gedeeld kan worden in digitaal herstelde vorm, waarbij zowel visuele impact als culturele betekenis behouden blijven zonder fysieke interventie.

Bronvermelding: Zhao, T., Huang, L., Qi, X. et al. A gated-attention multi-prior injection diffusion model for Huashan rock art image restoration. Sci Rep 16, 10414 (2026). https://doi.org/10.1038/s41598-026-41226-7

Trefwoorden: restauratie van rotskunst, cultureel erfgoed, diffusiemodellen, image inpainting, Huashan-schilderingen