核心观点 - MIT理工男Alex Kachkine开发了一种结合AI算法的名画修复方法，将传统耗时数月/年的修复工作压缩至几小时，并实现了物理层面的修复效果 [1][2][7] - 该方法通过双层遮罩技术（彩色+白色薄膜）在不损害原画的前提下完成修复，且修复记录可数字化保存 [6][13][15][19] - 修复一幅15世纪油画（5612个修复区域，57314种颜色填充）仅耗时3.5小时，效率比传统方法提升66倍 [7][20] 技术流程 - 清洁原画：去除历史修复痕迹 [9] - 扫描分析：创建画作数字版本 [9] - AI修复：软件自动识别需修复区域及颜色 [9] - 制作双层遮罩：彩色层还原色彩，白色层保证色彩准确性 [13][15] - 打印对齐：高保真喷墨打印透明薄膜并精准贴合原画 [16] - 固定处理：喷涂传统清漆加固修复部分 [17] - 可逆性：特殊溶液可溶解薄膜恢复画作原貌 [18] 效率突破 - 修复600年历史油画的耗时从传统9个月缩短至3.5小时 [20] - 修复效果随缺损程度增加而提升 [21] - 完整保存数字化修复记录供未来参考 [19] 开发者背景 - 工程世家出身，拥有机械工程与经济学双学位 [27][31] - 曾研发病毒检测设备并共同创立GeneTiger公司 [32] - 在MIT实验室解决质谱仪离子源开发难题，论文被IEEE顶会收录 [34][35] - 童年艺术启蒙经历促使其探索工程与艺术的跨界融合 [38][39][41] 应用前景 - 目标为让更多仓库中受损艺术品重回公众视野 [44] - 方法持续优化中，具备规模化应用潜力 [43]