孙增国（中）团队在实验室。受访者供图

■本报记者 李媛

长期以来，由于历史原因被火烧为两截的《富春山居图》残卷分别藏于浙江省博物馆和台北故宫博物院，大面积的残缺让这幅传世佳作难以展现全貌。

2019年，一位台湾的文化工作者在陕西交流时提出，希望有生之年能看到修复后的完整画作。参与交流的陕西师范大学人工智能与计算机学院副教授孙增国听后深受触动，便萌生了通过数字技术复原古画的想法。正是这一次邂逅，让他和团队开启了古画人工智能（AI）数字修复的科研道路。

近日，团队研发的新型Mamba古画修复模型，突破了行业技术瓶颈，解决了古画修复过程中大面积破损难修复的问题，实现了细节精确修复。相关成果在线发表于《人工智能的工程应用》。

区别于传统人工修复

“早期AI修复技术仅能应对小幅破损画面，面对大面积残缺画作，往往无法兼顾整体轮廓与细微笔墨纹理，修复效率低、还原度差，难以满足珍贵古画的修复需求。”孙增国告诉记者，Mamba古画修复模型专攻高难度、大面积破损场景，即便画作残缺面积达到三分之二，依然能精准完成修复工作。

论文第一作者、陕西师范大学博士生常菊美介绍，Mamba古画修复模型一方面可精准还原大面积破损区域的整体结构轮廓，比如古树枝干、古建筑框架等主体形态；另一方面能细致复原叶片、瓦纹、笔墨晕染等细微纹理，规避了以往修复画面模糊、细节缺失、画风违和的问题。同时，模型具备线性复杂度的特性，大幅降低修复运算成本，在保障高精度修复效果的同时，提升了修复效率，也为后续移动端轻量化落地应用奠定了基础。

孙增国告诉《中国科学报》，AI数字修复技术属于虚拟修复，全程不触碰、不改动文物本体，彻底规避了人工修复可能造成文物二次损伤的风险。同时，AI修复可批量处理画作破损问题，效率超过人工修复，能够为文博专家的实体修复提供精准、多元的参考依据和辅助思路。

不过，孙增国也表示，AI数字修复始终是人工修复的补充手段，永远无法替代传统人工修复，二者相辅相成、互为支撑。“我们团队始终严格界定技术应用边界，不能将AI修复成果等同于文物真迹，所有数字化修复成品均定位为文创作品。”孙增国说。

从“修旧如旧”到“修旧如新”

研究初期，团队成员便遇到第一个瓶颈：数据集的构建难题。古画笔墨纹理独特、色彩晕染细腻，且现存高清古画素材稀少、普遍存在噪声、模糊等问题，而样本质量直接决定模型修复精度。

为筛选出适配古画修复的最优样本，团队在长期摸索后发现，样本尺寸过大会导致画面元素模糊、特征不清晰；尺寸过小会割裂山水、草木、建筑的空间关联，同时放大画面原有噪声与模糊问题，严重干扰模型训练。

历经无数次调试、对比、测试，团队最终确定最优样本尺寸，同时创新采用区域预处理技术，优化样本画质、剔除干扰因素。“这套耗时多年搭建的基础数据集，成为我们团队后续所有修复模型、系列科研成果的核心根基，为各类破损场景的技术研发提供了坚实支撑。”孙增国介绍。

数据集难题攻克后，“模拟破损适配真实古画修复”的难题随之出现。初期模型训练依托人工模拟破损样本开展，通过添加蒙版打造规则、不规则的残缺画面，让模型学习破损前后的画面关联。但真实古画的破损形态随机、无规律，且破损区域原始信息完全缺失，即便资深文博修复专家也很难精准预判原貌，导致训练成型的模型难以适配真实古画修复场景，实用性大打折扣。

为破解这一核心痛点，科研人员摒弃单一、规整的模拟破损样式，海量扩充样本数量，丰富破损形态，随机生成方形、曲线形、不规则形状等各类破损样式，最大限度还原古画自然破损、人为破损的真实样貌。

反复打磨之下，多元化、全覆盖的模拟破损数据集终于成型，模型逐步掌握各类古画破损的修复逻辑，顺利适配真实破损古画的修复工作。此时，模型不仅能完美修复实验样本，对真实传世破损古画的修复效果也做到了精准自然、细节饱满，与画作原有纹理、画风高度契合。

除此之外，修复画风失真、细节缺失、串色错位等问题，也是团队常年攻坚的重点。训练初期，模型时常出现树叶修复消失、树干纹理模糊、色彩错乱等问题。团队摸索出一套双向优化方案，一方面持续优化样本质量，丰富画面元素、保障样本清晰度；另一方面反复迭代调试模型参数、调整训练轮次，通过与完整真迹样本精准比对、计算误差函数，不断优化模型修复精度。

值得一提的是，在修复理念上，团队创新提出从传统“修旧如旧”向“修旧如新”迭代。针对大面积破损、无法精准还原原貌的古画，摒弃固化修复思维，依托AI图像编辑技术，结合专家与用户的创意引导，在贴合画作整体风格的基础上完成二次创作，打造特色文创作品，为文物活化利用开辟了新赛道。

让更多馆藏文物“活”起来

历经五年科研攻关，孙增国圆了当年的梦想。他告诉《中国科学报》，团队目前已成功修复《富春山居图》《千里江山图》《上林图卷》等名画。其中，针对绢本画作《千里江山图》的多处糟朽裂口，团队精准补全残缺纹理、还原色彩；针对大面积火烧破损的《富春山居图》，团队完整复原画作缺失的核心区域，让分处两岸的传世名作在数字空间实现合璧。

近年来，团队在古画修复的基础上持续拓展技术边界，将修复模型迁移应用至碑帖、壁画等多类文物保护场景，先后完成颜真卿《多宝塔碑》、柳公权《玄秘塔碑》等知名碑帖，以及昭陵博物馆唐墓壁画、北庭壁画的数字化复原工作。

目前，团队已与昭陵博物馆达成深度合作，依托馆内唐墓壁画、昭陵六骏碑等珍贵文物开展修复与活化工作。此外，团队基于修复成果开发出系列文创产品，推出壁画动态活化明信片，用户扫码即可观看壁画人物动态演绎、聆听唐代宫廷乐舞，让静态文物实现动态活化，极大提升了传统文化的互动性与传播力。

谈及未来，孙增国表示，团队将依托大模型基础信息优势，实现技术轻量化、高效化，降低落地门槛；依托博物馆正版数据授权，团队将古画、壁画、碑帖等文物的数字化修复成果，转化为长卷、挂轴、明信片、纪念章等多元文创产品，让文物数字成果实现社会价值与经济价值双落地。

相关论文信息：https://doi.org/10.1016/j.engappai.2026.115384