跳到主内容
艺术理论

PColorizor:基于意境契合诗词的中国古画上色系统

PColorizor: Re-coloring Ancient Chinese Paintings with Ideorealm-congruent Poems

Tan Tang, Yanhong Wu, Peiquan Xia, Wange Wu, Xiaosong Wang, Yingcai Wu

2023-10-20

订阅获取艺术理论被引 10

摘要

中国古代绘画的色彩修复在文化传承与保护中具有重要意义。然而,传统色彩修复过程极具挑战性且耗时漫长,因为专业修复师需针对大量画作进行详尽的文献调研以确定参考色彩,随后还需手动将推断出的色彩填充到画作中。本文提出的PColorizor是一款交互式系统,它融合了先进的深度学习模型与创新的可视化技术,旨在简化色彩修复流程。PColorizor的设计基于诗画意境契合的原则:针对一幅褪色画作,我们利用意境契合的诗词所蕴含的显性与隐性色彩指引来关联参考画作。我们设计了山形可视化界面,以便用户高效浏览从参考画作中提取的色彩方案;这种视觉呈现方式使用户能够直观了解不同时期在意境层面与图像层面的色彩分布特征。此外,我们通过可视化手段展示了深度学习模型所理解的意境内涵,从而弥合人类修复师与深度学习模型之间的沟通鸿沟。该系统还采用了智能填色技术,进一步加快人工色彩修复进程。为了评估PColorizor的性能,我们与领域专家合作开展了两项案例研究以收集反馈意见。研究结果表明,PColorizor能够有效助力褪色古画的色彩修复工作。

本摘要由 AI(Hy-MT2-Pro)翻译生成,仅供参考,请以原文为准。

AI 综述

基于摘要生成
主要观点
传统古画色彩修复依赖人工查阅文献与手动填色,过程耗时且困难。本文提出基于“诗画同源”原则的交互式系统PColorizor,旨在通过深度学习与可视化技术缓解修复难点。该系统利用与画作意境相契合的诗词提供显性与隐性色彩指导,从而辅助褪色古画的高效修复。
研究方法
系统首先利用深度学习模型挖掘意境同源诗词中的色彩指导信息,并据此关联参考画作以提取色彩方案。其次,引入山状可视化与智能填色技术,前者帮助用户在物象与意境层面观察色彩的时间分布,后者加速手动修复。最后,通过与领域专家合作开展两项案例研究来收集反馈并评估系统有效性。
学术贡献
构建了融合深度学习与可视化的交互式古画修复系统,显著降低了传统人工修复的难度与时间成本。创新性地基于“诗画同源”原则引入诗词色彩指导,并通过可视化揭示模型对意境的理解,有效弥合了人类修复者与深度学习模型之间的沟通鸿沟。
存在局限
材料中未明确提及
进一步研究方向
材料中未明确提及

本综述由 AI(GLM-5-Turbo)基于摘要自动生成,仅供参考,不代表原文作者观点,请以原文为准。

参考文献

相关论文

话题:Aesthetic Perception and Analysis