AI 如何協助修復油畫？MIT 可移除遮罩技術的原理與限制

AI 能不能幫忙修復受損油畫？2025 年刊於《Nature》的研究提出一種把數位修復結果轉為實體「遮罩」的方法：先用數位工具規劃需要補色的位置與顏色，再把雙層顏料印在極薄的聚合物膜上，對位後覆在原畫上。這不是讓 AI 直接在畫面上重新作畫，而是把影像分析、色彩匹配、製造與文物修復流程結合起來。

研究作者 Alex Kachkine 當時是 MIT 機械工程研究生。他以一幅歸屬於 Master of the Prado Adoration、約 15 世紀末的嚴重受損木板油畫做示範。本文整理這項技術實際做了什麼、為何「可移除」和「可追溯」很重要，以及它還不能取代哪些專業判斷。

這項研究修復的是什麼？

傳統油畫修復常需要由修復師逐一辨認缺損、調色與補繪；作品的缺損區域愈多，時間與成本就愈高。Kachkine 的研究處理的不是一張單純的數位圖片，而是一幅實體的油彩木板畫。研究團隊先以既有修復方法清除先前不合適的覆繪與髒污，再掃描畫面，才進入數位規劃與實體遮罩製作。

論文記錄，示範作品的遮罩涵蓋 5,612 個缺損區域、使用 57,314 種顏色；實際補色流程約 3.5 小時。研究以同等量級的手工補繪作估算，認為此流程在該案例可快約 66 倍。這是單一案例與特定工作範圍的結果，不能直接當成所有油畫、所有館藏都能達到的速度或成本結論。

AI 與實體遮罩怎麼配合？

檢查與清潔：先確認畫作結構、顏料層、舊修復痕跡與實際缺損；這一步仍仰賴修復專業，而不是只靠一張照片。
建立數位修復構想：掃描後利用既有影像分析與 AI 工具，產生可能的視覺補全版本，並比較色彩、局部紋理與相近作品的線索。
製作缺損與色彩地圖：軟體把需要補色的區域、色彩與可對位的最小細節轉成製作資料；研究也納入人類色覺與對位誤差，避免把極小且難以可靠對準的區域硬做成遮罩。
印製雙層聚合物膜：第一層是彩色顏料，第二層以相同圖案印出白色底層，使色彩能呈現較完整的光譜；兩層對位不準會直接影響視覺效果。
由專業人員對位、附著與記錄：薄膜被人工精準覆到原畫，並以修復用材料固定。研究指出，該遮罩可用修復級溶液移除，數位檔也能保存為後續檢視的處理紀錄。

它的價值不只在「更快」

數位修復早已能提供畫面模擬；這項研究的不同之處，在於嘗試把模擬結果以可實體對位的方式用於原作。若修復處理需要重新檢視，能移除的遮罩比直接、不可逆地在原畫上補繪，多了一層回復與比較的空間。

另一個重要特色是可追溯性。每一張遮罩都有對應的數位資料，未來的修復師可以知道哪些位置被處理、使用了哪些色彩與覆蓋範圍。這與文物修復重視的檢查、處理紀錄和後續維護方向一致；技術的價值不只是看起來恢復了多少，而是是否能讓下一位照護者理解它曾經發生過什麼。

為什麼不能把它當成一鍵修復工具？

缺失的畫面從來不只有色塊問題。AI 產生的是根據資料與規則推得的視覺假設，未必就是畫家原本的筆觸、構圖或意圖。作品的來源、年代、材料、保存狀況、舊修復史與展示脈絡，都會改變「應不應該補、補到什麼程度」的答案。

材料相容性與長期穩定性也不能略過。即使遮罩設計為可移除，仍須評估它與清漆、顏料層、底材及環境條件的互動；可否安全移除、多久後仍能移除、是否造成新的視覺或化學風險，都要由合格修復師依個案檢查。研究本身也強調，應由了解作品歷史與來源的修復專家參與每個步驟。

用文物修復原則檢查 AI 輔助流程

美國文物保護學會（AIC）的專業指引強調：修復處理應適合該文物、補償性處理需可辨識與可逆，且檢查與處理必須留下完整、永久的紀錄。把這些原則放回 AI 輔助油畫修復，可以形成一份實務檢查清單：

修復前是否完成材料、損壞與既有處理的檢查？
數位補全是依據哪些影像、比較作品或人工判斷產生？不確定處是否被清楚標示？
遮罩、黏著與移除方式是否與這件作品的材料相容？
處理是否能區分原作與新增補償，並保留掃描、色彩圖、版本與實作紀錄？
作品所有人、館方、修復師與相關研究者是否在事前確認目標、替代方案與風險？

結論：AI 提供修復選項，判斷仍屬於專業照護

MIT 這項研究展示了 AI、影像處理與精密印製如何協助處理大量、細碎的油畫缺損，也把「可移除」與「可記錄」帶進實體修復流程。它值得關注的原因，不是 AI 已能替代修復師，而是它提供了一種可被專業人員檢驗、討論與調整的工具選項。對文化資產而言，速度只是條件之一；是否尊重原作、能否說明處理依據，以及是否為未來的照護留下清楚紀錄，才是更長久的標準。