DeepHadad：利用合成数据提高受损铭文的可读性

《Journal on Computing and Cultural Heritage》：DeepHadad: Enhancing Readability of Damaged Inscriptions with Synthetic Data

古代铭文因风化损坏导致研究受阻，本文提出基于深度学习的数字修复方法DeepHadad，通过生成合成数据解决训练样本不足问题，利用位移映射和图像翻译技术成功修复哈达雕像严重损毁的亚兰文碑刻，显著提升可读性并减少人工干预，为文化遗产保护提供AI新方案。

　　

摘要

几个世纪以来，古代铭文的逐渐损坏导致了重要文字记录的不可逆转的流失，这阻碍了铭文学的研究，并在历史知识上造成了重大空白。诸如字迹磨损和物理损坏等因素常常使得这些铭文的可读性大大降低。我们提出了名为DeepHadad的神经网络，该网络基于程序生成的合成数据进行训练，利用位移映射和图像到图像的转换技术，将严重损坏的古代铭文数字化修复为更易阅读的状态。该网络的名称来源于公元前8世纪哈达德（Hadad）雕像上的著名帕纳穆瓦（Panamuwa）铭文——在这座受损的玄武岩雕像上，某些地方的字母痕迹已经非常模糊。这项工作面临的一个关键挑战是缺乏保存完好的受损字符对用于训练，因为每个字符实例都是独一无二的，因此无法在不同侵蚀程度下找到对应的样本。我们通过模拟侵蚀过程生成合成训练数据，使神经网络能够成功泛化到实际数据上。通过提取并叠加完整的字符图到3D模型上，我们显著提高了哈达德雕像上几乎无法辨认的阿拉姆语铭文的可读性。定量和定性实验均证实，我们的方法能够恢复原本会丢失或只能通过耗时的手工工作才能恢复的文本内容。这项研究为利用先进的人工智能（AI）技术提升古代文献的可读性开辟了新的途径。我们的方法论有助于对重要铭文进行更全面的研究，并展示了AI辅助技术在推动古代文物修复和铭文学研究方面的潜力。