基于生成对抗网络的数字壁画生成改进模型：多尺度特征融合与频域空域联合建模方法

《Scientific Reports》：A conditional generative adversarial network with dual-context aggregation and color enhancement for digital mural creation

　　

摘要

本文提出了一种基于生成对抗网络的改进模型，以解决数字壁画生成中结构布局不合理、颜色梯度失真以及风格可控性有限的问题。该模型集成了双聚合上下文模块、快速傅里叶卷积全局编码、色彩增强极化自注意力机制和预训练风格编码器，旨在通过多尺度特征融合、频域空域联合建模以及色彩空间优化来提升壁画生成的结构完整性、色彩真实性和风格多样性。在敦煌壁画和 MetCollection 数据集上的实验表明，该方法在客观评估指标上显著优于主流生成模型。引入的交互效率和风格一致性评估表明，该方法以更少的交互轮次（平均 2.3 轮）和更快的响应时间（153 毫秒）实现了与目标风格更高的一致性（CLIP 相似度 0.891）。在主观评估中，生成图像在美学、风格一致性等方面的平均得分均高于 4.3 分。结果表明，该方法能有效提升数字壁画在结构、色彩和风格方面的质量控制，为文化遗产的数字化修复与创意生成提供了可靠的技术路径。