卡罗拉·比比安·舍恩利布开始攻读博士学位时。在2005年学习数学时，她的第一个项目之一是帮助修复维也纳的一幅中世纪壁画。这幅画曾被一间旧公寓的墙壁所隐藏，但它的残骸上布满了白色的洞，这是几年前拆除墙壁造成的损坏。Schönlieb的修复工具不是油漆、溶剂或树脂，而是算法。“维也纳大学的一些保护者开始恢复体力，”水果挞。“然后，我们要用数字技术来实现这一点。”
MACH计划结合了艺术史学家、文物保护者、古典主义者、中世纪主义者和数学家的专业知识，以推进文物修复和考古学。
Schönlieb在拍摄了受损壁画的照片后，研究了可以利用这些照片来填充丢失的、受损的壁画片段的算法，创建了原始壁画的数字模型。当时，只有少数几篇论文描述了数学家和保育员如何合作修复艺术品。保育员和艺术史学家刚刚开始数字化他们的档案，在机器上保存绘画、手稿和陶器。
中世纪壁画的一部分，曾隐藏在维也纳的公寓墙后。图片来源：马赫。
现在剑桥大学的应用数学教授Sc'O'NeLeb利用图像分析和处理来进行艺术修复和保护。目前，她与其他数学家和人文专家合作研究数学在文化遗产中的应用（马赫）主动性。该倡议将艺术史学家、保育员、考古学家和中世纪学者的专业知识与数学家的专业知识相结合，以推进修复和物质文化研究。
在他们当前的项目中，“揭幕隐形”，马赫队使用Matlab®对目录罗马陶器的算法，分析油漆横截面，以允许学者看到文物之间的新关系，并数字恢复为物理恢复的照明稿件过于精细。这三个项目焦点在制作中已经多年了。
重新照明手稿
当Schönlieb谈到大学数字图像恢复时，马赫协作始于2013年。来自剑桥的Fitzwilliam博物馆的工作人员，这些博物馆通过目前的古代艺术，曾出席过。他们认为Schönlieb的方法可以应用于他们的工作。
当时，菲茨威廉博物馆(Fitzwilliam Museum)的手稿和印刷书籍的保藏人，在听到Schönlieb的图像修复演讲时，一直在寻求非侵入式的手稿修复方法。她找到Schönlieb，建议他们一起工作。那就是马赫项目诞生的时候。
当面对损坏的绘画和文物时，文物保护人员面临着一个两难的境地。虽然他们可以选择将一件文物恢复到原来的样子，但损坏本身可以记录一件文物的历史。例如，中世纪的手稿是手写的书，写在羊皮纸上，也就是h彩绘装饰，通常包括贵重金属，如金或银。在某些情况下，手稿可能故意去除或添加颜料，以消除所有权标记，或掩盖冒犯性形象。
“使用虚拟和数学方法允许您保留[照明稿件]，并保留该历史，并提供其所需的恢复，原始版本。它让你有机会拥有两个世界。“
苏珊娜·雷诺兹，菲茨威廉博物馆馆长
“我们通过修复获得了什么，我们通过修复失去了什么？”苏珊娜·雷诺兹（Suzanne Reynolds）问道，她是手稿和印刷书籍部Fitzwilliam博物馆的馆长。雷诺兹是马赫集团的成员，从事中世纪照明手稿的工作。
细节
域名。
最终结果。
具有大损坏区域的手稿是数字恢复的。图片：©The Fitzwilliam Museum，剑桥。
恢复时，照明的手稿尤其有问题。与其他形式的绘画相比，他们很少身体恢复。与Reynolds，Schönlieb和Simone Parisoto合作，是剑桥应用数学和理论物理学系和Fitzwilliam博物馆的研究助理，正在开发一个应用程序，以解决较大的“揭幕”项目的一个手臂中的这些挑战。
该应用程序专为保护园设计并开发使用MATLAB，使用图像处理技术来识别损坏并实际上重建稿件中的图像。它依赖于in，这个词最初指的是对一幅画进行物理重建。在数学领域，inpainting指的是用数字方式还原图像。
利用深度学习和偏微分方程，MACH小组的程序可以填补受损手稿的空白，并预测不同修复途径的结果。用户用来自相同或相关手稿的例子训练算法——越多越好——然后算法重新构建图像中需要恢复的缺失内容。
雷诺兹说:“使用虚拟和数学方法可以让你保持物体的原样，保留它的历史，并提供一个恢复的、原始的版本，它可能看起来像什么。”“它让你有机会两全其美。”
除了修复，数学方法不仅可以使档案数字化，还可以利用人工智能使档案数据对保存者、艺术史学家和考古学家更加有用。
集群罗马陶器
“揭开看不见的面纱”第二个焦点的想法起源于2015年，当时剑桥大学古典文学高级讲师亚历山德罗·劳纳罗（Alessandro Launaro）带着一个问题来到Schönlieb。作为一名考古学家，劳纳罗专注于罗马时期，一直在意大利西部挖掘遗址。几乎总是这样，他发现了大量的日用陶器，用于烹饪等日常工作，但面临着分析数千个陶器形状、壶边和底座的艰巨任务。
“我有一个考古问题，对大量证据的分析，”劳纳罗说。虽然有系统和全面的目录可以帮助考古学家分析更精致的罗马陶器（精细陶器），但没有任何东西集中在他想了解更多的日常陶器上。
“有人可能只是浏览所有这些（陶器碎片）形状，但这太单调了。因为我们是人，我们会犯错误，有时会感到疲劳，可能会错过一些东西。算法不会让人感到疲劳。”
Carola-BibianeSchönlieb，剑桥大学应用数学教授
据名称表明，公共套装陶器，占考古地点发现的大多数陶器。但是，鉴于这种陶器可以采取非常多样化的形状，而且这些发现的纯粹数量，弄清楚不同地点不同陶器类型之间的关系一直在具有挑战性。
劳纳罗说:“因为普通物品代表着日常物品，它让我们能够看到比雕像、马赛克或博物馆里漂亮的彩绘壶更大比例的古代人口。”创建一个目录来记录这些物品和它们之间的关系，可以进一步提供宝贵的见解，以了解过去文明的日常生活。“但这不是一个人能轻易做到的，”他说。
Schönlieb和Parisotto认为他们可以帮助Launaro解决这个问题。Schönlieb说：“有人可以通过所有这些形状，但这太单调了。”。“由于我们是人，我们会犯错误，有时会感到疲劳，我们可能会错过一些东西。算法不会让人疲劳。”
Parisoto和Schönlieb转向Matlab，创建Launaro设想的目录。2016年，他们试图一个系统意味着将一块陶器的绘图绘制到数据库中的类似图像。考古学家通过他们的轮廓形状对古代陶器进行分类，并认为类似的形状表示时间顺序和功能关系。
古代的壶是按轮廓所代表的形状分类的。假设相似的剖面是相关的。图片来源：马赫。
但效果不好。参考陶器图像没有很好地组织。团队需要退后一步，自己组织起来。“考虑到这涉及数千种独特形状的陶器，我们需要利用计算机的处理能力，”劳纳罗说。
要填写并组织自己的陶器数据库，团队已添加成千上万的图像，黑白配置件的共同窗口。到2020年底，将包括大约6,000个陶器配置文件。Parisoteo正在使用无监督的深度学习算法，对组或集群相关的陶瓷形状。该程序创建分层Dendrograms分组陶器分片以更好地显示考古学家不同类型之间的关系。“这个想法是从可用对象中提取相关功能，”帕萨特“并找到与不同功能的关系。”
通过确定公共物品类型之间的关系，考古学家可以更好地绘制它们在空间和时间上的发展和分布图。这些关系可能为贸易、结算模式或饮食习惯的重要发展提供线索。MACH小组仍在开发和测试该应用程序，但Launaro说，“最终的想法是创建一种工具，使考古学家能够更有效地解释他们挖掘和研究的遗址。”。
油漆碎片上的美术课
卡西亚·塔贡斯卡·哈齐巴比奇（Kasia Targonska Hadzibabic）是马赫团队的一名研究员，也是一名训练有素的物理学家，她正在从事一项“揭开隐形面纱”的子项目，该项目借鉴了类似于罗马陶器数据库的原理。但Targonska Hadzibabic正在与Parisotto合作，为油漆芯片横截面的数字图像建立一个平台，使其能够进行分类和比较，而不是制作陶器。
在艺术品保护中，研究一幅画中小碎片的横截面可以揭示艺术家是如何创作这幅作品的。Targonska-Hadzibabic说:“它可以告诉你艺术家使用的技术，以及这幅画是如何绘制的。”
MACH团队还创建了一个系统，可以识别来自不同画作、艺术家或时期的油漆芯片横截面之间的联系，从而找出相似之处。
传统上，保存员会将这些横截面保存在树脂中，并在显微镜下检查不同的油漆层。近距离观察，树脂覆盖的油漆芯片看起来像一个彩色的多层三明治。Targonska Hadzibabic在艺术保护方面的同事一直在数字化他自己的颜料碎片截面档案，他想看看除了一位艺术家的技术之外，这些颜料碎片还能揭示什么。
从早期绘画大师的作品中画出横截面。图片来源:马赫。
Targonska Hadzibabic与Schönlieb合作创建了一个系统，可以识别不同绘画、艺术家或时期的横截面之间的联系。横截面中的层不均匀，不仅颜色不同，而且在拍摄条件下的纹理、混合和一致性也不同。与罗马陶器项目一样，该团队正在使用MATLAB中的机器学习技术，根据横截面的特征将10000多幅数字图像分为有意义的组。
根据Targonska-Hadzibabic的说法，他们还不确定这些算法可能会揭示什么。她说:“这是一个迭代的过程，依赖于与文物保护人员的交流，从艺术史的角度寻找重要的相似之处。”
但通过他们的应用程序，他们希望管理员能够将源横截面中的层与数据库中其他横截面中的类似补丁进行比较。不仅应用程序用户可以看到这些结果，Targonska-Hadzibabic还在努力确保管理员可以根据他们的需要轻松修改结果。
在该领域
来自考古、艺术保护和艺术历史专家的反馈对指导这些项目至关重要。“只有专家才能引导数据科学领域的人走上正确的道路，”帕里索托说。
Fitzwilliam的MACH合作者刚刚开始测试这些应用程序，但目标是为所有学者和保育员发布这些资源，扩展他们现有的工具箱。对于劳纳罗来说，公共陶器参考目录将使人们能够更详细地研究考古学以前被忽视的一面。
据雷诺兹称，马赫的数字手稿修复工具不仅可以帮助保存人，还可以扩大教学和公众参与的选择。雷诺兹说：“人们希望它对教学非常有用，因为它将使你能够以最佳状态处理物体的图像。”。该工具还可以扩展博物馆的虚拟产品，向公众展示真实的文物和数字“原件”
Targonska-Hadzibabic表示，编制一个能够识别样本之间联系的绘画横截面数据库，可以帮助专家识别新的绘画方法，并揭示艺术家和艺术品之间此前未知的联系。
然而，这些工具都无法取代人文学科专业人员的工作。“在某种程度上，你需要一个人来解释，”劳纳罗说。“但还有其他事情可以让我们的工作更简单、更直接，机器可以做到。”
标题图片：©剑桥菲茨威廉博物馆。
