Inpaintowanie wzorów kierowane częstotliwością w warunkach few-shot do rekonstrukcji naszywek rang z dynastii Ming

Dlaczego ratowanie starych naszywek ma znaczenie

Muzea na całym świecie przechowują rzadkie kwadratowe fragmenty tkanin z Chin z okresu dynastii Ming, które niegdyś ukazywały rangę urzędnika za pomocą szczegółowych motywów ptaków i chmur. Wiele z tych naszywek jest podartych, wyblakłych lub pełnych dziur, co utrudnia historykom i szerokiej publiczności dostrzeżenie ich pierwotnego piękna. W badaniu przedstawiono cyfrową metodę rekonstrukcji, która potrafi ostrożnie „wypełnić” brakujące fragmenty tych tkanin na ekranie komputera, pomagając chronić dziedzictwo kulturowe bez dotykania kruchego oryginału.

Historia kryjąca się za naszywkami

Naszywki rang z okresu Ming to nie tylko ozdoby; to wizualne karty identyfikacyjne urzędników dworskich. Każdej randze odpowiadał określony ptak — od żurawi dla wysoko postawionych urzędników po zięby dla niższych rang. Wzory są tkane z powtarzających się motywów i bogatej symboliki, więc utrata nici może zatrzeć zarówno rytm wizualny, jak i historyczne znaczenie. Istniejące narzędzia do cyfrowej naprawy często sprawdzają się przy zwykłych fotografiach, ale zawodzą w przypadku tych naszywek: mogą wymyślać wiarygodne tekstury, które łamią surową powtarzalność tkania, albo źle odtwarzać kluczowy symbol ptaka sygnalizujący rangę.

Inteligentny sposób uczenia się na zaledwie kilku przykładach

W przeciwieństwie do współczesnych zdjęć modowych, historyczne tkaniny występują w małych ilościach, więc komputery nie mogą polegać na milionach przykładów treningowych. Autorzy rozwiązują ten problem „few-shot” poprzez zbudowanie ukierunkowanego zbioru danych z 685 naszywek rang z dynastii Ming pozyskanych z muzeów i kolekcji prywatnych, obejmujących zarówno nienaruszone, jak i uszkodzone egzemplarze. Ich system jest trenowany do rekonstrukcji brakujących obszarów, wykorzystując zaledwie pięć nieuszkodzonych przykładów dla każdego typu naszywki. Zamiast traktować te tkaniny jako uniwersalne obrazy, metoda jest dostosowana do materiałów o silnej powtarzalności i wyraźnych elementach symbolicznych, dzięki czemu potrafi uogólniać na podstawie ograniczonych danych, zachowując kulturowe znaczenie naszywek.

Słuchając wzorów w dwóch przestrzeniach

Główna innowacja polega na tym, że komputer ogląda każdą naszywkę na dwa komplementarne sposoby: jako obraz oraz jako wzór częstotliwości. W zwykłym widoku obrazowym system sprawdza, czy kolory i tekstury wypełnione w miejscu ubytku płynnie łączą się z otaczającymi nićmi. W widoku częstotliwości matematyczne narzędzie zwane transformatą Fouriera zamienia powtarzające się tkane struktury w jasne punkty na mapie spektralnej, podobnie jak zamiana muzyki w wykres wysokości dźwięków. Uszkodzenia zaburzają te regularne piki. Proponowana sieć przywraca brakujące obszary, jednocześnie wymuszając, aby wzorzec częstotliwości rekonstruowanej naszywki odpowiadał temu z nienaruszonego egzemplarza, co pomaga odzyskać poprawny rytm chmur, fal i bordiur zamiast losowych przypuszczeń.

Utrzymanie znaczenia, nie tylko wyglądu

Aby nie utracić opowieści kryjącej się za każdą naszywką, autorzy dodali kolejną warstwę nadzoru. Osobny model rozpoznawczy jest trenowany do rozróżniania rang na podstawie centralnego ptaka i innych symbolicznych wskazówek. Podczas rekonstrukcji system jest karany, jeśli uzupełniony obraz przestaje wyglądać jak ta sama ranga według tego modelu rozpoznawczego. Ta „świadoma kulturowo” funkcja strat kieruje proces inpaintowania tak, by zachować kluczowe symbole i ogólną kompozycję, dzięki czemu uszkodzona naszywka z żurawiem zostanie odtworzona jako naszywka z żurawiem, a nie coś, co jedynie wygląda dekoracyjnie. Badania użytkowników z udziałem historyków sztuki i ekspertów od tkanin potwierdzają, że nowa metoda lepiej zachowuje dokładność wzoru, czytelność symboli i harmonię kolorów niż wiodące alternatywy.

Co te wyniki oznaczają dla dziedzictwa

Testy wykazują, że nowe podejście generuje ostrzejsze, bardziej regularne wzory i bardziej przekonujące rekonstrukcje niż istniejące narzędzia inpaintujące z najwyższej półki, zarówno według numerycznych wskaźników jakości obrazu, jak i opinii ekspertów. Chociaż metoda nadal może mieć trudności, gdy z naszywki brakuje ogromnych fragmentów, zwłaszcza centralnego ptaka, stanowi potężne cyfrowe wsparcie dla muzeów i badaczy. Łącząc inteligentne uczenie się na małej liczbie przykładów z uważnością na podstawowy rytm i symbolikę tkaniny, praca ta wskazuje kierunek ku przyszłości, w której kruche historyczne tkaniny będą mogły być badane, udostępniane i nawet wirtualnie „naprawiane” bez narażania oryginałów na ryzyko.

Cytowanie: Zhang, W., Zhang, Y. Frequency-guided few-shot pattern inpainting for Ming Dynasty rank badges restoration. npj Herit. Sci. 14, 234 (2026). https://doi.org/10.1038/s40494-025-02201-z

Słowa kluczowe: dziedzictwo kulturowe, konserwacja tkanin, inpaintowanie obrazów, dynastia Ming, uczenie głębokie