DCADif: Çin geleneksel duvar resimlerinin ayırımlı koşullu uyarlanabilir zaman-dinamik füzyon difüzyon onarım (inpainting) yöntemi

Antik Duvar Sanatını Yeniden Canlandırmak

Çin genelinde tapınak duvarları ve mağara tavanları, solmakta, pul pul dökülmekte ve çatlamakta olan yüzyıllık duvar resimleriyle kaplıdır. Bu tablolar yalnızca görsel açıdan güzel değil; aynı zamanda eski inançların, hikâyelerin ve günlük yaşamın görsel kayıtlarıdır. Elle restorasyon yapmak zordur, yavaştır ve kırılgan yüzeyler için bazen risklidir. Bu çalışma, uzmanların eksik veya hasarlı bölümleri dijital olarak "inpaint" etmelerine yardımcı olan ve hem çizimi hem de stili özgün esere sadık kalarak koruyan DCADif adında yeni bir yapay zeka (YZ) yöntemi tanıtıyor.

Eski Duvar Resimlerinin Onarılmasını Bu Kadar Zorlaştıran Nedir?

Geleneksel Çin duvar resimleri duvardaki renkli resimlerden çok daha fazlasıdır. Karmaşık kompozisyonları, hassas çizgi işçiliğini ve antik pigmentler ile aletlerin oluşturduğu ince dokuları bir araya getirirler. Zaman, nem ve kirlilik boşluklar ve lekeler bıraktığında, konservatörler bu alanların eskiden neye benzediğini tahmin etmek zorunda kalır. Dijital inpainting araçları da benzer şekilde davranmaya çalışır, ancak mevcut yöntemlerin çoğu iki önemli görevi bulanıklaştırır: alttaki şekilleri yeniden inşa etmek ve benzersiz sanatsal stili korumak. Sonuç olarak onarılan bölgeler yapısal olarak yanlış görünebilir ya da şekillerle uyumlu olsa bile özgün fırça işçiliğinin ve rengin tarihî havasını kaybedebilir. Zorluk, resmin hem "iskeletini" hem de "ruhunu" aynı anda geri getirmektir.

Yapay Zekaya Yapı ve Stili Ayrı Görmeyi Öğretmek

DCADif sistemi bu zorluğu problemi iki ayrı akıma bölerek ele alır. Önce araştırmacılar duvar resmini, mürekkep konturu gibi basit bir çizim haline getirir. Bu sadeleştirilmiş versiyon, renk veya doku tarafından dikkati dağılmadan figürlerin, nesnelerin ve sınırların nerede olduğunu yakalar. Milyonlarca görüntü üzerinde eğitilmiş bir araçtan uyarlanmış güçlü bir görsel model bu çizimi okur ve duvar resminin yapısına dair kompakt bir betimleme çıkarır. Ayrı bir yolda ise yeni bir "SwinStyle" kodlayıcı özgün hasarlı resmi inceleyerek onun stilistik parmak izini öğrenir: renklerin karışma biçimi, fırça darbelerinin eğriliği ve yüzeylerin çatlama veya solma özellikleri. Bu iki betimlemeyi—yapı ve stil—ayrı tutarak, DCADif restorasyon sırasında bunları bağımsız şekilde kontrol edebilir.

Görüntünün Gürültüden Ortaya Çıkmasına İzin Vermek

DCADif’in merkezinde, rastgele gürültüden başlayıp kademeli olarak bunu gerçekçi bir görüntüye "gürültü giderme" yoluyla dönüştüren bir difüzyon modeli bulunur. Bu süreç birçok küçük adım boyunca gerçekleşir; bulanık bir görüntünün yavaşça netleşmesini izlemeye benzer. Yazarlar, görüntü ortaya çıkarken yapı ve stil arasında akıllı bir ayar görevi gören Zaman-Uyarlanabilir Özellik Füzyon modülü tasarladılar. Çok gürültülü erken aşamalarda model yapıya ağır basar; çizimi kullanarak doğru şekilleri ve konturları belirler. Gürültü azaldıkça ve görüntü netleştikçe, ayar yavaşça stile yönelir ve zengin renklerin, dokuların ve tarihî detayların temel çizgiyi bozmayacak şekilde akmasına izin verir.

Yeni Bir Duvar Resmi ve Resim Kütüphanesi Üzerinde Test

DCADif’in dijital restorasyonu gerçekten geliştirip geliştirmediğini değerlendirmek için ekip, Dunhuang, Gansu, Hebei ve İç Moğolistan gibi bölgelerden alınan duvar resimlerinden ve gerçek dünya çatlaklarını ile pul pul dökülen boyayı taklit eden gerçekçi maskelerden oluşturulmuş MuralVerse-S adlı büyük yeni bir veri seti topladı. DCADif’i dokuz önde gelen inpainting yöntemiyle karşılaştırdılar; bunların arasında eski konvolüsyonel ağlar, dönüştürücü tabanlı modeller ve diğer difüzyon yaklaşımları vardı. Simüle edilmiş hasarın çeşitli seviyelerinde DCADif, daha keskin yapılar, daha tutarlı küresel düzenler ve insan gözlemcilerin orijinallere daha yakın bulduğu dokular üretti. Yöntem ayrıca ayrı bir Çin manzara resmi koleksiyonunda da iyi performans gösterdi; ince mürekkep darbelerini ve dağ konturlarını başarıyla yeniden oluşturdu, bu da yöntemin yalnızca duvar resimleriyle sınırlı kalmayıp genelleşebileceğini öne sürüyor.

Bu Durum Kültürel Miras İçin Ne Anlama Geliyor?

Ham sayılar ve grafiklerin ötesinde, araştırmacılar 50 sanat uzmanı ve lisansüstü öğrenciden farklı restorasyon sonuçlarını puanlamalarını istediler. Katılımcılar içerik doğruluğu, stilistik sadakat ve genel kalite açısından DCADif’i sürekli olarak en yüksek puanladı. Çiçekli Başlıklar Takmış Saraylı Kadınlar gibi ünlü eserleri de içeren gerçek örnekler, sistemin eksik yüzleri, giysileri ve dekoratif motifleri çevreleyen resimle sorunsuz bir şekilde harmanlanacak şekilde tamamlayabildiğini gösterdi. Yine de yazarlar sınırları kabul ediyor: büyük bölgeler yok olduğunda herhangi bir dijital tahmin tarihî olarak hatalı olma riski taşır ve yöntem hesaplama açısından ağır kalmaktadır. Buna rağmen DCADif, konservatörlere özgün duvarı ellemeksizin dikkatli, yüksek sadakatli yeniden yapılandırma önerileri sunabilen yeni, müdahalesiz bir araç sunuyor; müzelerin ve araştırmacıların geri dönülemez kültürel hazineleri daha iyi incelemesine, görselleştirmesine ve korumasına yardımcı olabilir.

Atıf: 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

Anahtar kelimeler: dijital duvar resmi restorasyonu, görüntü onarma (inpainting), difüzyon modelleri, Çin kültürel mirası, sanat koruma teknolojisi