基于文化特征的唐卡图像建模绘制及艺术评价体系研究

Thangka is an important heritage accumulated in the social, historical and cultural development for thousand years, and has always been regrarded as treasures by Tibetan people, and they are regarded as an encyclopedia of the history and society. The digitized research of Thangka is also the key to accelerating the construction of China's cultural industry, and it is of great significance to the protection of Thangka's cultural heritage.. This project takes Thangka in “Regong Art” as the research object, and the research content is: (1)the extraction and expression of Thangka art elements based on cultural characteristics; (2)drawing the Thangka based on the knowledge base of the Thangka art element images; (3)establish Thangka art evaluation system model; (4)set up an internet-based Thangka art element retrieval display and interactive evaluation platform. Through the research of this project, it is possible to expand the scope of applied research in related disciplines such as image processing and non-photorealistic rendering, maximize the sharing and exchange of resources, and use artistic elements for artistic re-creation, which also has a bearing significance on Tibetan cultural heritage and development.

藏族唐卡具有鲜明的文化特点，浓厚的宗教色彩和独特的艺术风格，堪称藏族的百科全书，是我国重要的文化遗产，而唐卡的数字化研究也是加快我国文化产业建设的重点，对唐卡文化遗产的保护具有十分重要的意义。.本项目以“热贡艺术”中的唐卡为研究对象，研究内容为：（1）基于文化特征的唐卡艺术元素提取及表示；（2）基于唐卡艺术元素图元知识库绘制唐卡图像；（3）建立唐卡艺术评价体系模型；（4）搭建基于互联网的唐卡艺术元素检索展示及交互式评价平台。通过本项目的研究，可以扩展图像处理和非真实感绘制等相关学科的应用研究范围，最大限度地实现资源共享与交流，从而借助文化元素进行艺术再创作，对藏民族文化传承与发展也具有重要意义。

藏族唐卡具有鲜明的文化特点，浓厚的宗教色彩和独特的艺术风格，堪称藏族的百科全书，是我国重要的文化遗产，而唐卡的数字化研究也是加快我国文化产业建设的重点，对唐卡文化遗产的保护具有十分重要的意义。.本项目对唐卡图像及唐卡文化进行了深入研究：（1）基于目前深度学习的目标检测技术提出了一整套图元提取方案，适用于在不同的场景图像中有效提取场景图元，能够对唐卡场景图像中的主尊图元进行有效的提取。（2）构建了唐卡图像目标检测数据集RPTK1，提出改进的特征融合和损失函数的SSD方法，并针对类别不平衡问题将RetinaNet模型进行优化，目标检测精度分别达到了83.85%mAP与88.87%mAP。（3）提出基于CNN-LSTM模型的改进唐卡图像描述方法，并开发基于Web的唐卡图像描述系统，可以通过浏览器为本地的唐卡数字图像生成描述文本，从而辅助用户理解唐卡图像的内容。（4）构建了“草图-边界图-唐卡”数据集，改进了基于草图的唐卡图像检索技术，提出基于草图绘制唐卡图像的方式，并取得了很好的唐卡图像绘制效果。（5）构建了唐卡画派数据集，提出基于ResNet的绘画图像风格分类模型，针对NTS网络模型由于神经网络过深而失去平移不变性的问题，将NTS网络模型中引入了blur pool，并对原NTS网络模型的学习率下降策略进行了改进，唐卡画派识别的准确率分别达到了87.4%和95.1%。（6）构建了基于唐卡文化领域命名实体识别和关系抽取的数据集，基于Bi-Lstm+CRF模型进行唐卡命名实体识别，基于Bs-Spert模型进行实体及实体关系联合抽取，搭建了基于Web的唐卡文化知识图谱可视化平台。（7）搭建了基于互联网的唐卡艺术元素检测展示及交互式评价平台，可以检测唐卡图像中的图元如佛像、法器和头饰，并且能够判别本幅唐卡图像的画派。.本项目对唐卡的数字化研究，为数字图像处理学科相关问题的研究提供资源共享与交流，同时可以借助文化元素进行艺术再创作，对藏民族文化的传承与发展具有重要意义。