感知的延伸:虚拟壁画展览的沉浸式传播

基于沉浸式传播的理论,通过分析目前虚拟壁画展览沉浸式传播应用的情况,对比分析国内虚拟壁画展览的沉浸式传播应用成功的案例并进行梳理,针对陕西虚拟壁画展览的应用情况进行总结并提出相应的问题。

基于双生成器生成对抗网络的壁画图像虚拟修复方法

针对现有的基于生成对抗网络的壁画修复方法,其生成样本缺乏多样性,容易造成大规模特征丢失等问题。提出一种基于双生成器生成对抗网络(BGGAN)的壁画图像虚拟修复方法。首先,从两个随机方向进行样本生成,保证了生成样本的多样性。其次,对Dilate U-Net Kares生成器模型,改进下采样阶段的膨胀卷积扩张率,取消池化操作。最后,设计损失函数,将均方误差(MSE)损失与对抗损失相结合,通过λG约束生成样本的特征梯度。在所收集壁画数据集上进行修复测试,测试结果与多种图像修复方法对比。结果表明,所提算法获得的图像修复结果细节更清晰。修复后图像的峰值信噪比(PSNR)相较对比模型平均提高了约1.12 dB,结构相似度(SSIM)平均提高了约0.047。

基于双判别生成对抗网络的壁画图像虚拟修复

针对现有算法在修复大面积破损区域的壁画图像时容易出现特征提取困难,上下文结构不一致等问题,提出一种基于双判别生成对抗网络的壁画图像虚拟修复。首先,将U-Net架构引入生成网络,结合扩张卷积与跳跃连接实现多尺度特征融合提取,利用重构损失初步构建修复模型。其次利用双重判别网络,保证图像全局一致性的同时,加强修复后的局部细节。最后交替训练生成网络和双重判别网络,加权重构损失和WGAN-GP损失,进一步优化网络模型,完成破损壁画图像的虚拟修复。根据创建的壁画数据集,进行训练测试,并与多组修复算法进行修复对比,结合主客观评价指标进行评价,结果表明,该算法修复的壁画图像质量更优,较好的完成了较大区域受损壁画图像的整体一致性修复。