134 年前的老照片焕发新生

　　编辑：刘东 文：进三

　　一张历史照片的“3D 复活”

　　日本立命馆大学的科学家们开发了一种神经网络，可以将 2D 照片转化为逼真的 3D 数字模型。这项技术近期被用于重建婆罗浮屠寺埋藏浮雕的三维形态。婆罗浮屠寺是世界上最大的佛教寺庙建筑群之一，也是联合国教科文组织收录的世界遗产。这些浮雕雕刻于石块上，历经岁月，逐渐被埋于地下。

　　这次研究所依赖的关键图像，是一张拍摄于 134 年前的老照片。照片记录了当时因寺庙修复工作而短暂露出的浮雕雕刻。在它们再次被掩埋之前，摄影师用镜头永久保存了这些石雕的面貌。尽管这些照片为研究提供了珍贵资源，但由于拍摄条件和深度信息的缺失，之前的重建尝试都面临重重困难。

　　突破瓶颈：软边缘技术带来精细细节

　　立命馆大学的田中聪教授表示，以往团队尝试过利用单目照片进行 3D 重建，取得了约 95% 的重建精确度。然而，这种方法难以恢复浮雕中人脸和装饰等精细细节。问题的根源在于，2D 图像中的深度值高度压缩，特别是边缘区域的深度变化提取难度极大。

　　新研究团队的突破在于开发了一个多模态神经网络，能够同时完成语义分割、深度估计和软边缘检测三项任务，从而显著提升 3D 重建的精确性。核心技术是创新的软边缘检测器和边缘匹配模块。

　　传统的边缘检测通常仅基于亮度变化进行二元分类，而软边缘检测器则以多分类方式处理图像中的边缘，将它们视为曲率和亮度变化的综合体现。这种方法能够捕捉到浮雕的微妙边缘特征，并对其“柔软度”进行评估，从而在深度估计中提供更多细节。

　　多模态网络：让浮雕细节重现

　　为了实现这一目标，研究团队的神经网络采用了以下三步工作流程：

　　1. 软边缘检测：通过两个软边缘检测器提取浮雕图像中的多类软边缘图和深度图，分析图像中边缘的柔软度和变化。

　　2. 边缘匹配模块：比较两组图像中软边缘的差异，聚焦于关键区域，提升深度估计的细腻程度。

　　3. 动态优化损失函数：通过整合语义分割、深度估计和边缘检测的损失，优化重建结果，生成更加清晰且细节丰富的 3D模型。

　　最终，经过多任务协作和动态优化，这套系统能够高效生成细节清晰、深度准确的浮雕 3D 图像。

　　技术的未来：文化遗产保护新工具

　　这一研究成果不仅让埋藏的婆罗浮屠寺浮雕重现光彩，也为历史文物的数字保护带来了新希望。随着人工智能技术的不断进步，类似的方法有望被应用于更多遗址和文物的修复与重建中，为后人提供了解古代文化的新途径。

　　正如田中教授所言：“通过结合创新的深度估计和软边缘检测技术，我们正逐步解决历史照片 3D 重建中的难题。这不仅是一次技术上的突破，更是一次让历史遗产焕发新生的重要尝试。”

关注读览天下微信， 100万篇深度好文， 等你来看……