机构名称：
¥ 1.0
经过众多研究者的研究，人工智能可以很好地模仿人类的语言和视觉表达，并在声音和图片中模仿人类的风格。这种能力虽然依赖于学习数据，但人工智能比人类更客观，更基于数字数据。我们将其应用于过去通过人工智能神经网络制作的文化资产的修复，并将通用 CNN 稍微不同地应用于修复目的。文化财产包含从它们被创造的时代开始的各种背景，因此修复存在许多复杂性和困难。如果简单地将其视为噪音并恢复，结果取决于学习的数据。为了解决这个问题，将 CNN 分为完整和详细，并一起学习关联，并通过基于该神经网络的生成竞争网络 (GAN) 修复受损部分。我们训练了一个神经网络，该神经网络提取韩国“宝塔”（主要在佛教的影响下制作）的视觉特征，并进行了一项基于训练后的神经网络修复受损部分的研究。通过基于CNN的神经网络提取塔的特征，并基于提取的特征通过生成对抗网络（GAN）修复受损部分。我们认为我们的研究将来会积极用于文化遗产的修复以及考古记录的修复 关键词
一种用于受损文物修复的组合人工智能算法
主要关键词
相关文件推荐
