Vekâlet Öğrenimi ve Yapısal Rehberlik ile Antik Jiangnan Duvar Resimlerinin Dijital Restorasyonu

Solan Duvar Resimlerini Kurtarmak

Güney Çin’in nemli nehir bölgelerinde, yüzlerce yıllık duvar resimleri sessizce kayboluyor. Isı, nem ve zaman sıva yüzeyini aşındırıyor; çatlaklar, lekeler ve dökülmeler oluşuyor; bunları elle onarmak hem pahalı hem de riskli. Bu makale, bilgisayarların bu hassas Jiangnan duvar resimlerini orijinal duvarlara dokunmadan ekran üzerinde ‘‘dijital olarak restore’’ etmesine olanak veren yeni bir yöntemi sunuyor; sahneleri ve fırça işlerini canlandırıyor. Bu çalışma yalnızca sanatseverler için değil, modern teknolojinin dünyadaki kültürel belleği korumaya nasıl yardımcı olabileceğini önemseyen herkes için anlam taşıyor.

Jiangnan’ın Gizli Hazineleri

Burada incelenen duvar resimleri Zhejiang Eyaleti’ndeki sülale salonları, tapınaklar ve eski evler arasında dağınık halde bulunuyor. Dunhuang’un ünlü çöl mağaralarından farklı olarak, bu yapıtlar toprak, ahşap ve kiretten yapılan malzemeler için özellikle sert olan sıcak, nemli bir iklimde yer alıyor. Yapılan incelemeler, birçok duvar resminin örtüşen hasarla kaplı olduğunu gösteriyor: çatlaklar, küf, solma, su lekeleri ve boya tabakasının döküldüğü alanlar. Fiziksel onarım maliyetli, geri döndürülemez ve teknik olarak zorlu olduğundan, görüntüyü sıva yerine piksellerde yeniden inşa eden dijital restorasyon daha güvenli bir ilk koruma hattı sunuyor. Ancak bu duvar resimlerini özel kılan özellikler aynı zamanda bilgisayarların işlemeyi zorlaştırıyor.

Neden Sıradan YZ Yetersiz Kalıyor

Derin öğrenmeye dayanan modern görüntü onarım programları genellikle eğitim için büyük “önce ve sonra” görüntü çiftlerine dayanır. Jiangnan duvar resimleri için böyle veriler basitçe mevcut değil: eserler dağınık, birçok farklı halk sanatçısı tarafından yapılmış ve orijinal, hasarsız görünümleri bilinmiyor. Aynı zamanda, hasarın kendisi standart algoritmaları yanıltıyor. Koyu çatlaklar ve küf lekeleri ince mürekkep çizgilerine çok benzeyebildiği için, görünür kenarları körü körüne izleyen bir model hasarı kopyalamaya meyilli oluyor. Sonuç olarak, raflardan hazır olarak alınan restorasyon araçları ya izleri bırakarak ya da duvar resimlerinin geleneksel tarzıyla çelişen ayrıntılar uydurarak başarısız oluyor.

İlgili Sanattan Tarz Öğrenimi

Bu çıkmazı aşmak için yazarlar, Yapısal Rehberli Vekâlet Restorasyonu (Structurally Guided Proxy Restoration, SGPR) adını verdikleri bir iş akışı öneriyor. İlk adım “tarz öğrenimini” ile “duvar resmi onarımını” ayırmak. Nadir bulunan duvar resmi fotoğrafları üzerinde doğrudan eğitim yapmak yerine, müzelerden toplanmış altı binden fazla klasik Çin resminden oluşan büyük bir vekil koleksiyon derliyorlar. Bu görüntüler Jiangnan duvar resimleriyle aynı artistik dili paylaşıyor: çizgilerin akışı, mürekkep gölgeleme katmanları, sahne kompozisyonu gibi. Son teknoloji difüzyon tabanlı güçlü bir görüntü üreteci daha sonra bu vekil sete göre ince ayarlanıyor. Özel bir kayıp (loss) fonksiyonu modelin yalnızca dokuları taklit etmesini değil, aynı zamanda fırça ritmi ve renk dengesi gibi daha geniş sanatsal özellikleri yakalamasını teşvik ediyor. ArtBooth adını verdikleri sonuç, gerçek hasarlı duvar resimlerini hiç görmemiş olmasına rağmen geleneksel Çin resmini akıcı biçimde ‘‘konuşan’’ bir üreteç ortaya çıkarıyor.

Kirli Görüntülerde Temiz Çizgileri Bulmak

İkinci kilit adım, karışık fotoğraflardan duvar resimlerinin orijinal yapısını ayıklamak. Burada yazarlar herhangi bir öğrenim gerektirmeyen Seçici Özellik Çıkarımı (Selective Feature Extraction) algoritmasını tanıtıyor. Algoritma aynı hasarlı duvar resmini iki görüntü ölçeğinde inceliyor ve her iki versiyonda da iki basit kenar algılayıcı çalıştırıyor. Her iki algılayıcıda ve her iki ölçeğe de tutarlı şekilde ortaya çıkan özellikler muhtemelen bir cübbenin veya ağaç gövdesinin dış hattı gibi gerçek çizgilerken; rastgele benekler ve lekeler büyük olasılıkla küf veya leke. Bu sinyalleri bir “zarf” maskesinde birleştirerek, algoritma güvenilir çizgileri güçlendiriyor ve gürültüyü bastırıyor; bu da gerçek yapıyı vurgulayan, bozulmanın büyük kısmını yok sayan iki temiz rehber haritası: keskin bir çizim ve rafine edilmiş bir kenar haritası üretiyor.

Uygulamada Rehberli Dijital Onarım

SGPR’nin son kısmı, bu temiz yapısal haritaları tarz bilgisine sahip üreteç ile optimize edilmiş bir kontrol ağı aracılığıyla bağlıyor. Restorasyon sırasında hasarlı duvar resmi görüntüsü ve kısa bir metin istemi (prompt) ArtBooth’a verilirken, filtrelenmiş çizgi ve kenar haritaları bir tür iskele görevi görüyor. ControlNet çerçevesinin uyarlanmış bir versiyonu bu haritaları üretecin iç katmanlarına enjekte ederek her gürültü giderme adımını nazikçe yönlendiriyor; böylece yeni pikseller orijinal düzen ve fırça işini izliyor, genel sahnelere kaymıyor. Hem simüle edilmiş hasarlar hem de Songxi köyünden gerçek duvar resimleri üzerinde yapılan testler, bu birleşik sistemin lekeleri ve çatlakları mevcut yöntemlerden daha kapsamlı biçimde giderdiğini, figürleri ve nesneleri doğru yerlerinde tuttuğunu ve uzmanların dikkatli manuel dijital restorasyona yakın kalite olarak değerlendirdiği görüntüler ürettiğini gösteriyor.

Kültürel Miras İçin Anlamı

Uzman olmayanlar için çıkarım basit: ilgili sanat eserlerinin görsel dilini öğrenip gerçek çizgileri hasardan dikkatle ayırarak, yapay zeka artık aksi takdirde solup gidebilecek hassas duvar resimleri için müze düzeyinde dijital rötuşlar sunabiliyor. Yöntem hâlâ bir resmin bütün bölümleri eksik olduğunda zorlanıyor ve zengin renkli çalışmalara henüz genişletilmemiş olsa da, konservatörlere güçlü yeni bir araç sağlıyor. Daha geniş anlamda, çalışma vekil veri ve yapısal rehberliğin akıllıca kullanımının, modern yapay zekanın genellikle gerektirdiği devasa eğitim setlerini sağlayamayacak kadar nadir, çok hasarlı veya çok kıymetli pek çok miras nesnelerini korumaya yardımcı olabileceğini gösteriyor.

Atıf: Yang, C., Liu, Y. & Cai, Y. Digital restoration of ancient Jiangnan murals via proxy learning and structural guidance. npj Herit. Sci. 14, 182 (2026). https://doi.org/10.1038/s40494-026-02369-y

Anahtar kelimeler: dijital duvar resmi restorasyonu, kültürel miras koruma, görüntü üretimi yapay zekası, Çin resim tarzı, hasara dayanıklı özellik çıkarımı