134年前的老照片煥發新生

一張歷史照片的“3D復活”

日本立命館大學的科學家們開發了一種神經網絡，可以將2D照片轉化為逼真的3D數字模型。這項技術近期被用于重建婆羅浮屠寺埋藏浮雕的三維形態。婆羅浮屠寺是世界上最大的佛教寺廟建筑群之一，也是聯合國教科文組織收錄的世界遺產。這些浮雕雕刻于石塊上，歷經歲月，逐漸被埋于地下。

這次研究所依賴的關鍵圖像，是一張拍攝于134年前的老照片。照片記錄了當時因寺廟修復工作而短暫露出的浮雕雕刻。在它們再次被掩埋之前，攝影師用鏡頭永久保存了這些石雕的面貌。盡管這些照片為研究提供了珍貴資源，但由于拍攝條件和深度信息的缺失，之前的重建嘗試都面臨重重困難。

突破瓶頸：軟邊緣技術帶來精細細節

立命館大學的田中聰教授表示，以往團隊嘗試過利用單目照片進行3D重建，取得了約95%的重建精確度。然而，這種方法難以恢復浮雕中人臉和裝飾等精細細節。問題的根源在于，2D圖像中的深度值高度壓縮，特別是邊緣區域的深度變化提取難度極大。

新研究團隊的突破在于開發了一個多模態神經網絡，能夠同時完成語義分割、深度估計和軟邊緣檢測三項任務，從而顯著提升3D重建的精確性。核心技術是創新的軟邊緣檢測器和邊緣匹配模塊。

傳統的邊緣檢測通常僅基于亮度變化進行二元分類，而軟邊緣檢測器則以多分類方式處理圖像中的邊緣，將它們視為曲率和亮度變化的綜合體現。這種方法能夠捕捉到浮雕的微妙邊緣特征，并對其“柔軟度”進行評估，從而在深度估計中提供更多細節。

多模態網絡：讓浮雕細節重現

為了實現這一目標，研究團隊的神經網絡采用了以下三步工作流程：

1.軟邊緣檢測：通過兩個軟邊緣檢測器提取浮雕圖像中的多類軟邊緣圖和深度圖，分析圖像中邊緣的柔軟度和變化。

2.邊緣匹配模塊：比較兩組圖像中軟邊緣的差異，聚焦于關鍵區域，提升深度估計的細膩程度。

3.動態優化損失函數：通過整合語義分割、深度估計和邊緣檢測的損失，優化重建結果，生成更加清晰且細節豐富的3D模型。

最終，經過多任務協作和動態優化，這套系統能夠高效生成細節清晰、深度準確的浮雕3D圖像。

技術的未來：文化遺產保護新工具

這一研究成果不僅讓埋藏的婆羅浮屠寺浮雕重現光彩，也為歷史文物的數字保護帶來了新希望。隨著人工智能技術的不斷進步，類似的方法有望被應用于更多遺址和文物的修復與重建中，為后人提供了解古代文化的新途徑。

正如田中教授所言：“通過結合創新的深度估計和軟邊緣檢測技術，我們正逐步解決歷史照片3D重建中的難題。這不僅是一次技術上的突破，更是一次讓歷史遺產煥發新生的重要嘗試。”