Trójetapowe progresywne ramy do uzupełniania braków w starożytnych tekstach Dongba

Dlaczego ratowanie obrazopisma ma znaczenie

Dla ludu Naxi z południowo-zachodnich Chin księgi Dongba są bramą do tysiąca lat opowieści, rytuałów i codziennego życia. Księgi te zapisane są rzadkim, przypominającym obraz pismem, które łączy obrazy i słowa. Czas, wilgoć i użytkowanie uszkodziły wiele stron, pozostawiając dziury i brakujące kreski, przez co symbole są trudne do odczytania, a czasem wręcz nierozpoznawalne. Niniejsze badanie przedstawia nową metodę cyfrową, mającą na celu „wypełnienie luk” w tych kruchych tekstach — dążąc do rekonstrukcji zarówno wyglądu zapisu, jak i jego znaczenia — oferując jednocześnie potężne narzędzie do ochrony kultury.

Od zniszczonych kart do cyfrowej rekonstrukcji

Konserwatorzy od dawna próbowali naprawiać uszkodzone manuskrypty fizycznie, ale dziś cyfrowa rekonstrukcja daje dodatkową ścieżkę: zamiast dotykać oryginału, komputery mogą odtworzyć brakujące fragmenty na zeskanowanym obrazie. Dla zwykłego drukowanego tekstu współczesne algorytmy już całkiem dobrze zgadują utracone litery na podstawie otaczających kształtów i wzorców. Księgi Dongba stanowią jednak trudniejsze wyzwanie. Każdy symbol to mały rysunek, którego kreski niosą zarówno styl wizualny, jak i znaczenie. Jeśli oprogramowanie jedynie dorysuje linie tak, by wyglądały płynnie, może przypadkowo przemienić znak w coś, co nigdy nie istniało, zniekształcając zapis kulturowy. Autorzy argumentują, że poważna rekonstrukcja musi szanować zarówno artystyczny wygląd, jak i ścisłe reguły systemu pisma.

Trzystopniowa droga od konturu do sensu

Zespół badawczy proponuje trójetapowe, progresywne ramy nazwane TsP, zaprojektowane specjalnie dla silnie uszkodzonych stron Dongba. W pierwszym etapie system koncentruje się wyłącznie na konturach. Bierze uszkodzony obraz, wykrywa miejsca, gdzie kiedyś były kreski, i używa hybrydy dwóch potężnych technik — sieci konwolucyjnych, dobrych w uchwyceniu lokalnych detali, oraz sieci Transformer, dobrych w uchwyceniu globalnej struktury — aby w przybliżeniu odbudować brakujące krawędzie. Wynikiem jest przybliżona mapa konturów, jak szkic, który sugeruje ogólny kształt znaku nawet tam, gdzie części są utracone.

Pozwolenie cyfrowego słownika kierować naprawą

W drugim etapie system włącza wiedzę o samym Dongba. Badacze stworzyli cyfrowy słownik często używanych symboli Dongba, obejmujący wiele stylów pisma dla każdego z nich. Algorytm porównuje naprawiony kontur z etapu pierwszego z wszystkimi wpisami w tym słowniku i znajduje najbardziej podobny kompletny znak. Robi to nie przez czytanie etykiet tekstowych, lecz mierząc, jak blisko kształty pasują do siebie w sensie statystycznym. Wybrany symbol pełni rolę „priorytetu treści” — najlepszego przypuszczenia, czym ma być brakujący znak, dostarczając zarówno wskazówek semantycznych, jak i drobnych szczegółów kresek, których czysto wizualna metoda mogłaby nie uchwycić.

Polerowanie obrazu końcowego

W trzecim i finalnym etapie TsP łączy dwa strumienie informacji: strukturalny zarys z pierwszego kroku oraz pełny znak ze słownika. Specjalnie zaprojektowana sieć neuronowa o podwójnych gałęziach wyciąga cechy z obu źródeł — jedna gałąź skupia się na układzie kresek, druga na bogatszych wzorcach treści. Te cechy następnie kierują modułem rekonstrukcji, który działa nie tylko w przestrzeni obrazu, lecz także w dziedzinie częstotliwości, gdzie można skuteczniej korygować wzorce takie jak ogólna gładkość i rytm kreskowania. Ostateczne przejście usuwa artefakty, dodaje brakujące fragmenty kresek i wygładza przejścia między starymi a nowo wygenerowanymi obszarami, tak aby naprawiony znak naturalnie wtopił się w oryginalną stronę.

Jak dobrze to działa?

Aby przetestować swoje podejście, autorzy użyli DB1404, jedynego dużego publicznego zbioru danych znaków Dongba, który zawiera tysiące symboli utrwalonych w wielu stylach. Stworzyli cyfrowe „uszkodzenia” o różnym stopniu nasilenia, maskując od niewielkiej części obrazu aż do połowy jego powierzchni, używając nieregularnych dziur i zadrapań naśladujących rzeczywiste zniszczenia. TsP porównano z wiodącymi metodami naprawy obrazów, w tym klasycznymi narzędziami, nowoczesnymi systemami opartymi na Transformerach oraz modelami dyfuzyjnymi. Na wszystkich poziomach uszkodzeń TsP generował obrazy wizualnie bardziej przekonujące i strukturalnie bliższe oryginalnym znakom, szczególnie gdy brakowało dużych fragmentów — dokładnie w sytuacjach najistotniejszych dla rzadkich i delikatnych manuskryptów.

Co to oznacza dla starożytnego pisma

Mówiąc wprost, praca ta pokazuje, że komputery mogą nauczyć się nie tylko wygładzać pęknięcia na obrazie, lecz także szanować reguły i znaczenia starożytnego systemu pisma podczas rekonstrukcji. Najpierw zgadując szkielet uszkodzonego znaku, potem dopasowując go do znanego symbolu, a na końcu wykorzystując oba źródła jako wskazówki do starannego uzupełnienia, TsP lepiej zachowuje pierwotną formę i sens pisma Dongba. Poza osiągnięciem technicznym, podejście to może pomóc bibliotekarzom, historykom i lokalnym społecznościom odzyskać treści manuskryptów, które w innym wypadku pozostałyby nieczytelne, oraz stanowić wzór do rekonstrukcji innych zagrożonych systemów pisma na świecie.

Cytowanie: Bi, X., Shi, Q. & Chen, Z. Three-stage progressive framework for Dongba ancient texts inpainting. npj Herit. Sci. 14, 240 (2026). https://doi.org/10.1038/s40494-026-02524-5

Słowa kluczowe: manuskrypty Dongba, restauracja starożytnego pisma, inpainting obrazów, digitalizacja dziedzictwa kulturowego, uczenie głębokie