DCADif: difusão de fusão temporal adaptativa condicional desacoplada para inpainting de afrescos tradicionais chineses

Devolvendo Vida à Arte Mural Antiga

Por toda a China, paredes de templos e tetos de grutas estão cobertos por afrescos centenários que desbotam, descascam e se quebram. Essas pinturas não são apenas belas; são registros visuais de crenças, histórias e da vida cotidiana de épocas passadas. Restaurá‑las manualmente é difícil, lento e às vezes arriscado para superfícies frágeis. Este estudo apresenta um novo método de inteligência artificial (IA), chamado DCADif, que auxilia especialistas a “inpaintar” digitalmente partes faltantes ou danificadas dos murais, mantendo fiéis tanto o desenho quanto o estilo da obra original.

Por que é tão difícil reparar murais antigos

Os murais tradicionais chineses são muito mais do que imagens coloridas numa parede. Eles entrelaçam composições complexas, traços delicados e texturas sutis criadas por pigmentos e ferramentas antigas. Quando o tempo, a umidade e a poluição deixam lacunas e manchas, os conservadores precisam supor o que antes ocupava aqueles espaços. Ferramentas de inpainting digital tentam fazer o mesmo, mas a maioria dos métodos existentes confunde duas tarefas cruciais: reconstruir as formas subjacentes e preservar o estilo artístico único. Como resultado, as áreas reparadas podem parecer estruturalmente incorretas, ou podem preservar as formas mas perder o caráter histórico do traço e da cor originais. O desafio é recuperar ao mesmo tempo os “ossos” e a “alma” da pintura.

Ensinar uma IA a ver estrutura e estilo separadamente

O sistema DCADif enfrenta esse desafio dividindo o problema em dois fluxos. Primeiro, os pesquisadores convertem um mural em um traçado simples, semelhante a um contorno a tinta. Essa versão reduzida captura onde estão figuras, objetos e bordas, sem ser distraída pela cor ou textura. Um poderoso modelo de visão (adaptado a partir de uma ferramenta originalmente treinada para entender milhões de imagens) lê esse traçado e o destila em uma descrição compacta da estrutura do mural. Em um caminho separado, um novo codificador “SwinStyle” estuda a pintura danificada original para aprender sua impressão estilística: como as cores se misturam, como os pincelados curvam e como as superfícies racham ou desbotam. Mantendo essas duas descrições — estrutura e estilo — separadas, o DCADif pode depois controlá‑las independentemente durante a restauração.

Deixar a imagem emergir do ruído

No cerne do DCADif está um modelo de difusão, um tipo de IA que cria imagens começando por ruído aleatório e gradualmente “desnoisando” até obter uma imagem realista. Esse processo acontece ao longo de muitos pequenos passos, um pouco como ver uma imagem borrada se tornar nitidamente focada. Os autores projetaram um módulo de Fusão de Recursos Adaptativa ao Tempo que funciona como um botão inteligente entre estrutura e estilo enquanto a imagem emerge. Nas etapas iniciais, muito ruidosas, o modelo se apoia fortemente na estrutura, usando o desenho a traço para estabelecer formas e contornos corretos. À medida que o ruído desaparece e a imagem se torna mais clara, o botão gira lentamente em direção ao estilo, permitindo que cores ricas, texturas e detalhes históricos entrem sem deformar o desenho subjacente.

Testes em uma nova biblioteca de murais e pinturas

Para avaliar se o DCADif realmente melhora a restauração digital, a equipe reuniu um grande novo conjunto de dados chamado MuralVerse‑S, criado a partir de murais de regiões como Dunhuang, Gansu, Hebei e Mongólia Interior, juntamente com máscaras realistas que imitam rachaduras e descascamento de tinta no mundo real. Eles compararam o DCADif com nove métodos de inpainting líderes, abrangendo desde redes convolucionais mais antigas, modelos baseados em transformers e outras abordagens de difusão. Em vários níveis de dano simulado, o DCADif produziu imagens com estruturas mais nítidas, layouts globais mais coerentes e texturas que observadores humanos julgaram mais próximas dos originais. O método também teve bom desempenho em uma coleção separada de pinturas paisagísticas chinesas, reconstruindo com sucesso traços sutis de tinta e contornos de montanhas, o que sugere que ele pode generalizar além dos murais.

O que isso significa para o patrimônio cultural

Além de números e gráficos, os pesquisadores pediram a 50 especialistas em arte e estudantes de pós‑graduação que avaliassem diferentes resultados de restauração. Os participantes classificaram o DCADif consistentemente como o melhor em precisão de conteúdo, fidelidade estilística e qualidade geral. Exemplos reais, incluindo obras famosas como Court Ladies Wearing Flowered Headdresses, mostraram que o sistema pode preencher rostos, vestes e motivos decorativos faltantes de forma que se integre perfeitamente à pintura circundante. Ainda assim, os autores reconhecem limites: quando regiões enormes são destruídas, qualquer suposição digital corre o risco de imprecisão histórica, e o método continua exigindo muito recurso computacional. Mesmo assim, o DCADif oferece aos conservadores uma nova ferramenta não invasiva — capaz de propor reconstruções cuidadosas e de alta fidelidade enquanto deixa a parede original intacta, ajudando museus e pesquisadores a estudar, visualizar e proteger tesouros culturais insubstituíveis.

Citação: Peng, X., Li, C., Hu, Q. et al. DCADif: decoupled conditional adaptive time-dynamic fusion diffusion inpainting of traditional Chinese mural paintings. npj Herit. Sci. 14, 61 (2026). https://doi.org/10.1038/s40494-026-02327-8

Palavras-chave: restauração digital de murais, inpainting de imagem, modelos de difusão, patrimônio cultural chinês, tecnologia de conservação de arte