基于深度風(fēng)格遷移網(wǎng)絡(luò)的文物數(shù)字拓片生成技術(shù)

摘" 要：數(shù)字拓片是指在不接觸文物的前提下獲得文物對(duì)應(yīng)的拓片圖像的方法，該方法不僅避免對(duì)文物本體的損害，而且能夠獲得真實(shí)精準(zhǔn)的高質(zhì)量拓片圖像，保證提取質(zhì)量的有效性。為解決傳統(tǒng)數(shù)字拓片生成方法獲得拓片圖像中存在的細(xì)節(jié)損失問題，該文提出一種基于深度風(fēng)格遷移網(wǎng)絡(luò)的數(shù)字拓片生成方法，該方法借助生成對(duì)抗網(wǎng)絡(luò)強(qiáng)大的特征提取能力和數(shù)據(jù)擬合能力，在保留文物本身紋理細(xì)節(jié)信息的同時(shí)，增強(qiáng)生成拓片圖像效果的真實(shí)性和自然性。實(shí)驗(yàn)結(jié)果表明，該文提出的方法能夠生成質(zhì)量更高、紋理細(xì)節(jié)信息更豐富的數(shù)字拓片圖像，對(duì)文物保護(hù)和文化傳承發(fā)揮著至關(guān)重要的作用。

關(guān)鍵詞：文物保護(hù)；生成對(duì)抗網(wǎng)絡(luò)；數(shù)字拓片；風(fēng)格遷移；深度學(xué)習(xí)

中圖分類號(hào)：TP391" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2023）14-0036-05

Abstract： Digital rubbing refers to the method of obtaining rubbings corresponding to cultural relics without contact with cultural relics. This method can not only avoid damage to cultural relics， but also obtain real and accurate high-quality rubbings images to ensure the effectiveness of extraction quality. In order to solve the problem of detail loss in traditional digital rubbing generation methods， a digital rubbing generation method based on depth style migration network is proposed in this paper. With the help of the strong feature extraction ability and data fitting ability of generating antagonistic network， this method not only retains the texture detail information of cultural relics， but also enhances the authenticity and naturalness of generating rubbings image. The experimental results show that the method proposed in this paper can generate digital rubbings with higher quality and richer texture details， which plays a vital role in cultural relic protection and cultural heritage.

Keywords： cultural relic protection; generating confrontation network; digital rubbing; style transfer; deep learning

拓片是我國一項(xiàng)古老的優(yōu)秀傳統(tǒng)技藝，是記錄中華民族文化的重要載體之一。一般是使用宣紙和墨汁，將碑文、器皿等文物上的文字或圖案清晰地復(fù)制下來，大量文化遺產(chǎn)信息都是通過拓片得以留傳下來的。特別是碑刻石刻、畫像石（磚）、甲骨文字、青銅器銘文和古代錢幣等文物拓片具有很高的歷史價(jià)值、藝術(shù)價(jià)值和文化價(jià)值。

1" 相關(guān)研究現(xiàn)狀

1.1" 傳統(tǒng)拓片工藝

在制作工藝上，傳統(tǒng)方法主要是在文物上覆蓋宣紙，以上墨捶打的方式獲取拓片，對(duì)操作流程，使用的工具、材料都有嚴(yán)格規(guī)定，操作不當(dāng)，可能會(huì)對(duì)文物本體造成損傷。為保護(hù)文物，目前國家已經(jīng)禁止商業(yè)售賣文物拓片。此外，傳統(tǒng)的拓片工藝對(duì)操作者專業(yè)性和技術(shù)性要求較高，受天氣條件、地理環(huán)境等客觀因素的制約，制作效率和制作質(zhì)量不穩(wěn)定。同時(shí)，傳統(tǒng)工藝制作的拓片不利于信息提取和資源共享，受限于紙張的材質(zhì)問題，對(duì)保存的方法有較高的要求，不易長(zhǎng)期保存。

1.2" 文物數(shù)字化

文物數(shù)字化即借助計(jì)算機(jī)、掃描儀等硬件設(shè)備，采取數(shù)字化的技術(shù)手段，對(duì)文物本體進(jìn)行掃描和處理，進(jìn)行數(shù)字化的存檔和展示。隨著硬件設(shè)備及軟件技術(shù)實(shí)力的不斷提升，數(shù)字化獲取和處理文物信息的科技手段在文物保護(hù)領(lǐng)域得到廣泛應(yīng)用，以更優(yōu)的現(xiàn)代化整理、收集和記錄方式對(duì)文化遺產(chǎn)信息進(jìn)行最大限度的提取保存和傳承活化。通過這種方法一方面降低了文物保護(hù)的成本和隱患，另一方面打破了傳統(tǒng)方法有限的展示需要和保真效果，使文物信息能夠更加精準(zhǔn)完整且安全長(zhǎng)久地保存。并且，在文物的展示與活化中，通過數(shù)字化平臺(tái)的轉(zhuǎn)化，能夠讓更多的人走近文物，從中體會(huì)中華文化的博大精深，更方便地接觸到珍貴文物，而不受到時(shí)間、地點(diǎn)和財(cái)力的限制[1]。

1.3" 數(shù)字拓片技術(shù)

當(dāng)代的計(jì)算機(jī)技術(shù)在諸如水粉、水彩畫仿真、油畫仿真和三維場(chǎng)景模擬等方面已經(jīng)取得了卓有成效的研究成果。近年來，陸續(xù)有研究者開始嘗試將計(jì)算機(jī)技術(shù)運(yùn)用到拓片制作領(lǐng)域中，現(xiàn)有的數(shù)字拓片技術(shù)主要包括：基于數(shù)字圖像處理技術(shù)的數(shù)字拓片技術(shù)、基于三維模型的數(shù)字拓片生成和基于激光點(diǎn)云和近景影像的數(shù)字拓片生成方法。第一類方法通過對(duì)相機(jī)拍攝碑刻的圖片采用數(shù)字圖像處理技術(shù)，從而獲得數(shù)字拓片。以往的技術(shù)多利用Photoshop等圖像軟件將碑刻圖像處理成數(shù)字拓片[2]，但需要有較多的人工干預(yù)；更進(jìn)一步的，朱曉麗等[3]運(yùn)用MATLAB編寫程序?qū)D像進(jìn)行局部閾值和均值濾波方法來獲得數(shù)字拓片，然而其自動(dòng)化程度有限。此外，該類方法往往受限于采集圖像的質(zhì)量，如光照不均、噪聲嚴(yán)重等。針對(duì)這一問題，Wang等[4]對(duì)石刻文字采用各向異性擴(kuò)散算法進(jìn)行平滑處理，通過二值化去除石刻圖像中的噪聲。然而此類方法對(duì)圖像的拍攝環(huán)境、分辨率及光照條件要求較高，且自動(dòng)化程度仍有限。

針對(duì)上述第一類問題中存在的拍攝環(huán)境要求高等問題，有研究人員通過提升數(shù)據(jù)采集的硬件設(shè)施等方法進(jìn)行解決。如基于三維模型的數(shù)字拓片生成方法，該方法通過三維激光掃描設(shè)備獲得的點(diǎn)云數(shù)據(jù)或者基于碑刻圖像進(jìn)行三維重建的碑刻三角網(wǎng)格進(jìn)行處理獲得碑刻的數(shù)字拓片。例如惠鵬宇[5]提出一種基于三維數(shù)據(jù)掃描提取石碑石刻數(shù)字拓片的方法。該方法需要進(jìn)行手工選點(diǎn)，選點(diǎn)結(jié)果會(huì)影響Delaunay三角剖分生成的投影面，進(jìn)而影響深度圖和最終結(jié)果。最后一類方法是基于激光點(diǎn)云和近景影像的數(shù)字拓片生成方法，該方法緩解了基于數(shù)字圖像處理方法獲取數(shù)字拓片存在的圖像投影、圖像配準(zhǔn)等問題。但此類研究比較少，點(diǎn)云數(shù)據(jù)難以獲取等問題也限制了此類技術(shù)的發(fā)展。

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺和圖像處理領(lǐng)域展現(xiàn)出強(qiáng)大的應(yīng)用潛力。文物正射圖像與拓片圖像的轉(zhuǎn)換，本質(zhì)上是圖像到圖像之間的映射關(guān)系，深度學(xué)習(xí)模型強(qiáng)大的特征學(xué)習(xí)和表征能力為數(shù)字拓片的獲取提供了可能。因此，本論文提出一種基于生成對(duì)抗網(wǎng)絡(luò)的數(shù)字拓片生成技術(shù)，旨在實(shí)現(xiàn)自動(dòng)化、批量化的文物圖像到數(shù)字拓片的轉(zhuǎn)換，從而在確保穩(wěn)定高質(zhì)量輸出的同時(shí)，有效解決手工拓片獲取難、保存難等問題，進(jìn)而實(shí)現(xiàn)智能化數(shù)字拓片生成，助推傳統(tǒng)文物的保護(hù)和傳承。

1.4" 本文工作

本文將生成對(duì)抗網(wǎng)絡(luò)應(yīng)用到數(shù)字拓片中，主要的工作內(nèi)容如下。

1）搭建生成對(duì)抗網(wǎng)絡(luò)，設(shè)計(jì)合適的生成器與判別器模型，采用合適的激活函數(shù)及學(xué)習(xí)率。

2）設(shè)計(jì)合理的損失函數(shù)，構(gòu)建模型訓(xùn)練策略，調(diào)整參數(shù)以提高生成數(shù)字拓片圖像質(zhì)量。

3）設(shè)計(jì)搭建數(shù)字拓片網(wǎng)頁前端，提供接口上傳石刻文物正攝圖像，調(diào)用訓(xùn)練好的模型生成文物對(duì)應(yīng)的數(shù)字拓片圖像。

2" 相關(guān)技術(shù)介紹

2.1" 生成對(duì)抗網(wǎng)絡(luò)

生成式對(duì)抗網(wǎng)絡(luò)是一種深度學(xué)習(xí)網(wǎng)絡(luò)，是近年來在復(fù)雜分布上的無監(jiān)督學(xué)習(xí)中最具前景的方法之一，其包括生成器和判別器2個(gè)部分。生成器和判別器相互博弈，最終達(dá)到動(dòng)態(tài)平衡以生成看似真實(shí)的模擬數(shù)據(jù)。一個(gè)優(yōu)秀的生成對(duì)抗模型需要構(gòu)建良好的訓(xùn)練方法，否則可能由于神經(jīng)網(wǎng)絡(luò)模型的自由性而導(dǎo)致模式崩潰、生成圖像質(zhì)量不佳等問題。在原始的生成對(duì)抗模型理論中，并不要求生成模型和判別模型都是神經(jīng)網(wǎng)絡(luò)，只需要擬合出相應(yīng)的生成和判別的函數(shù)。由于深度學(xué)習(xí)模型強(qiáng)大的數(shù)據(jù)擬合和特征提取能力，因此本文采用深度神經(jīng)網(wǎng)絡(luò)來搭建生成器和判別器，具體模型結(jié)構(gòu)和訓(xùn)練策略將在下面進(jìn)行介紹。

2.2" 風(fēng)格遷移算法

圖像風(fēng)格遷移[6]，是指將一張圖片的風(fēng)格轉(zhuǎn)移到另一張圖片上，并保持圖像的主要內(nèi)容不變。一般情況下，將內(nèi)容保持不變的圖片稱為內(nèi)容圖，把含有所需要的風(fēng)格圖片稱為風(fēng)格圖。風(fēng)格遷移算法分為2個(gè)部分，第一部分為風(fēng)格重構(gòu)部分，該部分用深度神經(jīng)網(wǎng)絡(luò)來提取圖像的風(fēng)格特征，隨著卷積層數(shù)的提升，圖像的風(fēng)格會(huì)逐漸清晰；第二部分為內(nèi)容重構(gòu)部分，該部分同樣采用深度神經(jīng)網(wǎng)絡(luò)提取深度的圖像特征，但在這個(gè)過程中會(huì)丟失掉部分細(xì)節(jié)信息，隨后將提取的風(fēng)格和內(nèi)容進(jìn)行融合，最后得到風(fēng)格遷移結(jié)果。

目前基于神經(jīng)網(wǎng)絡(luò)的風(fēng)格遷移算法[7]主要分為2類，一類是基于在線圖像優(yōu)化的慢速神經(jīng)網(wǎng)絡(luò)算法，另一類是基于在線模型優(yōu)化的快速神經(jīng)網(wǎng)絡(luò)方法。在線圖像優(yōu)化的基本思想分別從內(nèi)容和風(fēng)格圖像中提取內(nèi)容和風(fēng)格特征，并將2個(gè)特征重新組合成為目標(biāo)圖像，之后依據(jù)生成圖像與目標(biāo)圖像的差異在線迭代重建目標(biāo)圖像。上述的2類方法均是基于在線圖像優(yōu)化的方法進(jìn)行的。但是對(duì)于第一類算法，隨著學(xué)習(xí)風(fēng)格數(shù)量的增加，模型的尺寸通常會(huì)隨著變大。第二類方法則通過充分探索單個(gè)網(wǎng)絡(luò)的能力，將內(nèi)容與風(fēng)格結(jié)合到網(wǎng)絡(luò)中進(jìn)行風(fēng)格識(shí)別，有效解決第一類算法的局限性。

3" 基于深度風(fēng)格遷移的數(shù)字拓片生成技術(shù)

3.1nbsp; 技術(shù)流程

本小節(jié)著重介紹了基于深度風(fēng)格遷移的數(shù)字拓片生成技術(shù)的整個(gè)開發(fā)實(shí)施路徑。首先，通過分析以往手工拓片的制作步驟和特點(diǎn)，總結(jié)目前國內(nèi)外現(xiàn)有的數(shù)字拓片方法所存在的重難點(diǎn)問題，本文結(jié)合生成對(duì)抗網(wǎng)絡(luò)與對(duì)比學(xué)習(xí)等方法，提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的文物正射圖像到數(shù)字拓片圖像轉(zhuǎn)換的深度學(xué)習(xí)模型，其中包括深度卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建、損失函數(shù)的設(shè)計(jì)及模型訓(xùn)練和調(diào)優(yōu)3個(gè)階段，進(jìn)而實(shí)現(xiàn)以大數(shù)據(jù)平臺(tái)為基礎(chǔ)的全數(shù)字化、全智能化的端到端式的數(shù)字拓片轉(zhuǎn)換。

3.2" 技術(shù)實(shí)現(xiàn)

本小節(jié)重點(diǎn)介紹了如何利用深度學(xué)習(xí)和風(fēng)格遷移實(shí)現(xiàn)數(shù)字拓片自動(dòng)生成技術(shù)模型建立的運(yùn)行系統(tǒng)體系。通過整合篩選已有數(shù)據(jù)，構(gòu)建深度學(xué)習(xí)模型，推廣模型應(yīng)用場(chǎng)景，本文提出一種拓片數(shù)據(jù)數(shù)字化保護(hù)系統(tǒng)，包括數(shù)據(jù)處理層、模型構(gòu)建層與模型應(yīng)用層3個(gè)體系層次。

3.2.1" 數(shù)據(jù)處理層

數(shù)據(jù)處理層包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理2個(gè)階段。根據(jù)指定的數(shù)據(jù)標(biāo)準(zhǔn)對(duì)收集到的數(shù)據(jù)進(jìn)行篩選整合，包括數(shù)據(jù)清洗、數(shù)據(jù)補(bǔ)全、數(shù)據(jù)增強(qiáng)等關(guān)鍵步驟，從而解決源數(shù)據(jù)中存在的數(shù)據(jù)缺失、數(shù)據(jù)類別不平衡、數(shù)據(jù)規(guī)格不一等問題，進(jìn)而建立數(shù)據(jù)尺寸統(tǒng)一、類別豐富的純凈數(shù)據(jù)集，為后期的模型訓(xùn)練提供準(zhǔn)確數(shù)據(jù)，提高精準(zhǔn)度。

3.2.2" 模型構(gòu)建層

手工拓片存在步驟繁復(fù)、耗時(shí)耗力等問題，且對(duì)拓印人員的專業(yè)水平有較高要求。借助深度學(xué)習(xí)和計(jì)算機(jī)視覺技術(shù)制作數(shù)字拓片，可以節(jié)約時(shí)間、減輕專業(yè)拓印人員的壓力，實(shí)現(xiàn)批量化數(shù)字拓印制作，從而更好地傳承中華優(yōu)秀傳統(tǒng)文化。模型構(gòu)建是拓片數(shù)字化制作的關(guān)鍵環(huán)節(jié)，由于文物類型不同（甲骨文、磚瓦、碑刻等），應(yīng)結(jié)合文物所處環(huán)境、自身材質(zhì)等信息分類進(jìn)行模型構(gòu)建及后續(xù)模型應(yīng)用推廣。根據(jù)所持有數(shù)據(jù)特性，采用生成對(duì)抗網(wǎng)絡(luò)或者深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行模型建模，以實(shí)現(xiàn)實(shí)體文物正射圖像到數(shù)字化拓片的轉(zhuǎn)換。

為了獲得高分辨率、真實(shí)自然的數(shù)字拓片，需要進(jìn)行損失函數(shù)的設(shè)計(jì)。通過最小化預(yù)測(cè)結(jié)果和真實(shí)拓片圖像之間的細(xì)節(jié)、紋理差異，以獲得高質(zhì)量數(shù)字化拓片。利用預(yù)處理后的大量數(shù)據(jù)訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)模型，篩選模型中的關(guān)鍵參數(shù)，并在模型訓(xùn)練過程中對(duì)關(guān)鍵參數(shù)進(jìn)行調(diào)優(yōu)，從而獲得最優(yōu)模型，實(shí)現(xiàn)自動(dòng)化數(shù)字拓片輸出。圖1展示了本文提出方法的模型結(jié)構(gòu)，該模型使用多層圖像塊的對(duì)比損失，最大化相對(duì)應(yīng)的多層圖像塊之間的互信息，最后將生成器和Encoder相結(jié)合，取得對(duì)應(yīng)的生成圖像。

■=G（z）=Gdec（Genc（x）） ，" " （1）

式中：G（z）為生成器模型；Gdec為生成器中的解碼器模型；Genc（x）為生成器中編碼器模型。在此模型中，網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，主要是由編碼器Encoder和解碼器Decoder兩個(gè)部分組成。將解碼器與編碼器組合成為生成對(duì)抗網(wǎng)絡(luò)模型，圖像的生成過程如公式（1）所示。在訓(xùn)練過程中采用生成對(duì)抗損失L（G，D，X，Y）對(duì)風(fēng)格圖像進(jìn)行處理，使得重構(gòu)生成的圖像與源圖像在內(nèi)容上保持一致。對(duì)于風(fēng)格遷移部分，則采用對(duì)比學(xué)習(xí)的方法，從風(fēng)格圖像中提取多個(gè)部分作為對(duì)比學(xué)習(xí)的正負(fù)樣本，從內(nèi)容圖像中提取部分作為query部分，讓query與正樣本信息相關(guān)聯(lián)，與負(fù)樣本信息形成對(duì)比，采用Noise Contrastive Estimation（NCE）框架，最大化互信息對(duì)模型進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)內(nèi)容圖像風(fēng)格的轉(zhuǎn)換。在對(duì)比學(xué)習(xí)階段，采用" " " " （G，H，Y）一致性損失來避免生成器對(duì)產(chǎn)生的圖像造成不必要的影響。綜上，本文的總損失為

。 （2）

如公式（2）所示，本算法的損失包括生成對(duì)抗損失及文物正攝圖像和文物拓片圖像的一致性損失。同時(shí)因?yàn)閷?duì)比學(xué)習(xí)采用的是輸入圖像中不同部位的圖像來作為正負(fù)樣本，如圖2中的實(shí)線框部分代表了對(duì)比學(xué)習(xí)的正樣本信息，而從文物圖像中獲取的部分圖像信息代表對(duì)比學(xué)習(xí)中的負(fù)樣本信息。因此本模型不要求輸入的圖像是成對(duì)數(shù)據(jù)，即文物正攝圖像和對(duì)應(yīng)的拓片圖像為一組成對(duì)圖像。這一優(yōu)勢(shì)極大地提高了本模型的魯棒性。

3.2.3" 模型應(yīng)用層

本小節(jié)主要介紹石刻文物數(shù)字拓片生成的前端。為了實(shí)現(xiàn)自動(dòng)化、智能化、交互式數(shù)字拓片制作，開發(fā)數(shù)字拓片系統(tǒng)，用戶僅需自主選擇或者上傳待拓印的實(shí)體文物圖像，經(jīng)過系統(tǒng)內(nèi)部模型處理后，只需幾秒即可自動(dòng)輸出對(duì)應(yīng)的拓片圖像。該系統(tǒng)的應(yīng)用，不僅能夠?qū)崿F(xiàn)文物的數(shù)字化管理和保護(hù)，而且在推動(dòng)文物數(shù)字化展示方面起到重要作用。

3.3" 實(shí)驗(yàn)結(jié)果

本節(jié)采用第三節(jié)中建立的風(fēng)格遷移模型，借助大量的拓片圖像和文物正攝圖像對(duì)該風(fēng)格遷移模型進(jìn)行訓(xùn)練。將模型訓(xùn)練成功后，通過輸入文物的正攝圖像自動(dòng)生成與文物對(duì)應(yīng)的數(shù)字拓片圖像。實(shí)驗(yàn)結(jié)果展示在圖3中。

如圖3所示，當(dāng)選擇好需要的圖像文物拓片的風(fēng)格后，通過向模型中輸入文物的正攝圖像來獲取文物對(duì)應(yīng)的數(shù)字拓片圖像。本文的方法獲得的數(shù)字拓片圖像能夠盡可能地保留文物本身的紋理細(xì)節(jié)信息，這主要是由于卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力。另外得益于對(duì)比學(xué)習(xí)算法的采用，生成的數(shù)字拓片圖像的整體風(fēng)格與傳統(tǒng)手工拓片風(fēng)格更接近，更符合真實(shí)的人類視覺感知。

4" 結(jié)論

拓片文物一直是中華文化的重要組成部分，拓片保留下的不只是前人所思所想，更是后來人對(duì)中華文化的思考與繼承。但是由于拓片技術(shù)的傳承困難，導(dǎo)致現(xiàn)存的拓片匠人越來越少。如何獲得高質(zhì)量的文物拓片是當(dāng)前文物保護(hù)領(lǐng)域的難題之一。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺和圖像處理領(lǐng)域展現(xiàn)出日益強(qiáng)大的分布擬合能力。本文嘗試借助神經(jīng)網(wǎng)絡(luò)強(qiáng)大的數(shù)據(jù)擬合和特征提取能力，結(jié)合風(fēng)格遷移與對(duì)比學(xué)習(xí)的方法，將現(xiàn)代計(jì)算機(jī)技術(shù)與文物拓片相結(jié)合，實(shí)現(xiàn)利用深度學(xué)習(xí)網(wǎng)絡(luò)獲取文物拓片的整體風(fēng)格分布，并將這種分布與文物的正攝圖像相結(jié)合，實(shí)現(xiàn)利用深度學(xué)習(xí)網(wǎng)絡(luò)獲得文物的拓片圖像。基于深度風(fēng)格遷移的數(shù)字拓片算法，實(shí)現(xiàn)對(duì)文物拓片的自動(dòng)化、批量化、智能化的生成實(shí)驗(yàn)結(jié)果顯示，該方法生成數(shù)字拓片圖像更加接近傳統(tǒng)的手工拓片。因此本文提出的方法解決了文物拓片獲取困難、保存困難等問題。并且基于深度風(fēng)格遷移的數(shù)字拓片算法的輸入只需要文物的正攝圖像，不需要與文物產(chǎn)生接觸，因此在獲得數(shù)字拓片的過程中不會(huì)對(duì)文物本體造成損害，更好地實(shí)現(xiàn)了對(duì)傳統(tǒng)文物的保護(hù)。

可以發(fā)現(xiàn)本文提出的方法不只是對(duì)文物的主體部分進(jìn)行了風(fēng)格遷移，對(duì)于文物正攝圖像的背景部分也造成影響。考慮在后續(xù)的工作中為算法增加目標(biāo)識(shí)別模塊。在將文物的正攝圖像輸入到基于深度風(fēng)格遷移的數(shù)字拓片算法前先對(duì)文物的正攝圖像進(jìn)行主體識(shí)別，對(duì)主體部分進(jìn)行分割后，將主體部分送入到算法中生成只有文物主體部分的拓片圖像，這樣的結(jié)果更加接近傳統(tǒng)手工拓片獲得的圖像。

參考文獻(xiàn)：

[1] 朱曉麗，張春新，吳中福.“數(shù)字拓片”構(gòu)想及實(shí)驗(yàn)研究[J].同濟(jì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011，22（3）：82-88.

[2] 朱曉麗，吳中福.基于photoshop實(shí)現(xiàn)浮雕圖像“數(shù)字拓片”的技術(shù)研究[J].計(jì)算機(jī)科學(xué)，2008，35（12）：224-228.

[3] 朱曉麗，吳中福，李穎.基于MATLAB實(shí)現(xiàn)石刻浮雕圖像“數(shù)字拓片”技術(shù)的研究[J].計(jì)算機(jī)科學(xué)，2009，36（2）：268-270.

[4] WANG S Z， LEE H J. Dual-binarization and anisotropic diffusion of Chinese characters in calligraphy documents[C]// International Conference on Document Analysis amp; Recognition， 2001.

[5] 惠鵬宇．一種基于三維數(shù)據(jù)掃描提取石碑石刻數(shù)字拓片的方法：CN104268924B[P].2017.

[6] ZHENG C X， CHAM T J， CAI J F. The Spatially-Correlative loss for various image translation tasks[J].2021.

[7] ZANG Y， HUANG H， LI C F，et al.基于筆畫風(fēng)格分析的繪畫風(fēng)格渲染[J].journal of computer science amp; technology， 2013，28（5）：762-775.