让AI成为古建壁画的"数字医生" ——太原理工大学「檐壁循真——古建筑壁画数字复原与修复决策辅助平台」的技术路线与产业化探索

高校课堂上，太原理工大学「檐壁循真——古建筑壁画数字复原与修复决策辅助平台」项目团队展示了他们一年多来的阶段性进展。在国家"十五五"规划关于"文化遗产数字化"和"人工智能+"行动的政策背景下，高校科研团队如何让AI技术在文保一线真正"用得起来"？该项目给出了自己的答案。

一、问题导向：基层文保的"三难"

团队在调研中发现，基层文保单位普遍面临三道难题：表层原貌辨识难——壁画经多次修补，难以判断最初样貌；病害痕迹易混淆——同一区域多种病害叠加，识别难度大；修复方案编制耗时长——传统流程往往需要数月。这些"卡脖子"问题长期制约着基层文物保护与活化利用的效率。

图：团队成员在某古建筑前开展实地勘察与影像记录

二、技术突破：四层架构与全链路闭环

项目团队构建"知识层—模型层—应用层"协同的技术架构：知识层通过同朝代、同地域、同工艺的图像与文献三重精准检索，为复原提供证据支撑；模型层在微调多模态视觉大模型的基础上引入神经网络约束模块，防止AI对修复效果图的过度美化；应用层依托知识库生成十档不同修复强度的参考方案，供专家与甲方比选。"证据检索—约束生成—分级决策"的全链路流程可视化、可追溯、可干预，有效解决了"AI复原可信度"这一行业关切。

团队构成与分工：

文保与历史：刘禹创、丁子琪、柴敏欣、郑博（现场调查与历史考证）

AI技术与模型：刘宇轩、高渊博（壁画数字复原与修复决策大模型训练）

艺术与视觉：牛嘉琪（油画手绘融入AI）、牛佳慧（视觉传达）、肖鑫淇（工业设计可视化）

科学与检测：张云策（应用化学，颜料及病害机理检测）

商业与运营：樊柯岑（国贸，运营与合作）、李静（会计，商业模式落地）

最终，最大色差由ΔE14.7降至2.3以内，方案生成周期也从两周缩短至72小时。

图：团队成员在工作室进行模型调试与方案打磨。

三、关键指标：从"两周"到"72小时"

以开化寺壁画为试点，模型经过多轮迭代，最大色差由ΔE14.7降至2.3以内，单套方案生成周期由约两周压缩至72小时。在仙翁庙约125位人物与复杂纹样的复原中，团队完成了高保真数字复原稿；在九原岗北朝壁画项目中，团队1:1复原成果通过博物馆专家评审，并被引入高校文保专业课堂，实现了科研与教学的双向赋能。

图：项目团队深入考古工地实习

四、产学研协同：让AI走出"演示态"

项目采取"专业服务维持运营、基础数据共建共享"的可持续模式，已与多家文化科技企业、博物馆与算力服务商建立合作。项目创始人刘禹创介绍："我们刻意避免把项目做成只可演示的算法demo，而是让AI复原成果真正进入方案编制、临摹复制、展陈授权等真实业务场景。"截至目前，团队已形成"数字建档—复原方案—专业知识库—专家审核—数字展陈"五类产品服务，为文物大模型的产业化应用积累了可复制、可推广的实践样本。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。