AIGC 技术驱动下北京非遗砖雕的数字化修复

引言

AIGC 技术，作为当今人工智能领域的前沿技术之一，已经在多个领域展现出其独特的应用潜力。2009 年，北京砖雕被列入北京市级非物质文化遗产，以其精湛的雕刻技艺、丰富的文化内涵成为京派建筑不可或缺的符号载体，是宫廷文化与民间艺术交融的鲜活见证。然而，受时代变迁、自然灾害、人为破坏等因素的影响，使砖雕陷入匠人断档、砖面崩裂、纹样失语三重困境。生成式人工智能（AIGC）凭借对图像补全、风格迁移、语义解析等能力，已从文本创作扩展到文化遗产数字修复领域，为破解非遗保护与传承困局提供新路径。

1、北京非遗砖雕概述特征及现状

1.1 北京砖雕的概述及核心特征

北京砖雕作为北京传统建筑的代表性装饰技艺，是中国砖雕艺术的重要组成部分。北京从秦汉以来一直是北方的重镇，等级分明，规制和法制向来严格，在这种环境下诞生的北京砖雕，带有着与生俱来的“规矩”感。从主题选择、构图布局到纹路走向皆遵循严苛规范。在北京四合院建筑的醒目位置，镌工精湛的砖雕装饰蔚然成风，民间宅院对官式建筑装饰的效仿日益盛行，由此催生出独具“京作”风格的砖雕流派。

北京砖雕的核心特征集中体现在其“三精三融”的整体气质。材精，选用密度极高的澄浆青砖为基，质地坚细可承毫发之刻；工精，一坯三刀，打坯、出细、磨光，刀刀见笔意；意精，蝙蝠衔钱、鹭鸶莲花皆成符号，一句“器以载道”被刻进砖缝。皇家威仪与市井温度并行不悖，建筑功能与艺术表达融为一体，物质遗产与口传心授世代相续。

1.2 北京砖雕现状

1.2.1 实体文物损坏

非物质文化遗产保护面临自然环境侵蚀与人为破坏的双重挑战。西城区文物保护部门最新统计显示， 68% 的四合院门楣砖雕出现表层风化现象，牡丹花瓣边缘等精细纹样已被磨平。同时，城市化进程中的建设活动对文化遗址构成持续威胁，周边施工可能引发结构性损伤或震动破坏。此外，游客不当行为如触摸攀爬、刻划涂鸦等，更直接造成文物不可逆的损害。这三重压力共同威胁着文化遗产的物质存续与文化完整性。

1.2.2 文化认知消解

随着社会语境变迁，砖雕纹样的文化内涵逐渐被遗忘。人们对砖雕所承载的礼制规范、伦理观念缺乏系统了解，将其简单等同于普通建筑装饰，对其背后蕴含的匠人精神与文化传承逻辑关注度不足，使得技艺的社会认同度持续下降。信息传播的碎片化进一步加剧了认知的片面化，传统纹样的深层寓意被简化为表层视觉符号，失去了与当代生活的精神联结。当人们面对砖雕时，只能感知其形式之美，却难以进入其精神深处，文化记忆因此失去自我更新的动力，逐渐滑向空心化。

2、AIGC 技术概述

2.1 AIGC 技术的概念与原理

AIGC 技术是一种利用人工智能生成各种类型内容的技术，包括文本、图像、音频、视频等。AIGC 技术的核心原理是基于深度学习算法，通过对大量数据的学习和训练，让模型自动生成具有一定创造性和逻辑性的内容。AIGC 技术能够实现虚拟修复与再现，针对受损的非遗项目进行数字化复原，凭借对历史数据的学习与分析，让其重现原本的面貌，既保留文物的历史质感，又弥补了实体修复中可能存在的局限性。目前，常见的 AIGC 技术包括 GAN（生成对抗网络）、VAE（变分自编码器）、Transformer（变换器）模型等。

3、AIGC 技术应用于修复北京非遗砖雕策略

3.1 生成对抗网络实现破损砖雕图案的精准补全

GAN 的图像生成能力可针对性解决砖雕 “结构缺失”问题，通过生成器与判别器的对抗训练，可精准补全砖雕破损图案。生成器依据破损边缘特征推演缺失部分，如补全四合院影壁的缠枝牡丹时，会参照现存枝干弧度生成匹配花瓣，判别器则比对生成内容与真实样本的差异，持续优化精度。为避免 “凭空创造”，需引入纹样知识库约束 ,将清代《工程做法则例》中规定的 “龙纹五爪（皇家）”“四爪（民间）”等规制编码为模型参数，确保生成内容符合历史规范。

3.2 Transformer 模型助力砖雕纹样的历史语境适配

Transformer 的语义理解能力可解决砖雕修复中 “风格违和”问题，其通过学习历史文献与纹样的关联，让生成内容贴合特定时代特征。其先整合文献资料与匠人经验，构建知识库。修复时，模型通过分析现存纹样风格定位时代，再调用对应规制生成内容。通过输入砖雕的年代、建筑类型、文化符号等文本描述，结合图像数据，Transformer模型可构建纹样与历史背景的深度关联。此外，模型通过注意力机制捕捉细微的地域特征，避免出现“时空错位”的修复硬伤，真正实现“纹必有意，意必吉祥”的非遗传承准则。

4、北京非遗砖雕的 AIGC 技术修复机制构建路径

4.1 建立实体数据与文献资料的综合数据库

数据库是 AIGC 修复的基础，需整合 “物理实体数据” 与 “历史文献资料”，形成双向验证体系。该数据库通过多模态数据关联技术实现信息互补。实体数据采用三维激光扫描与高光谱成像技术采集，包含砖雕的三维拓扑结构、雕刻深度场、材质反射率等物理参数。文献资料则通过文本挖掘技术整合，涵盖《营造法式》中的纹样比例规范、匠人笔记中的技法术语、地方志中的使用场景记载等，形成历史语义知识库。二者通过 “纹样特征 - 历史规制” 映射算法关联，为 AIGC修复提供 “形义合一” 的依据。

4.2 分阶段实现纹样结构补全与风格还原

砖雕修复需遵循 “先结构、后纹理”的逻辑，避免因细节优先导致整体失调。第一阶段用生成对抗网络（GAN）进行结构补全，通过对抗训练让模型学习砖雕纹样的拓扑连续性，如针对断裂的缠枝纹，依据现存枝干生长向量预测缺失部分的走向。第二阶段结合变分自编码器（VAE）与 Transformer 模型实现风格还原，VAE 学习实体数据中的风化纹理特征，生成与原砖雕一致的磨损质感，Transformer 则调用文献库中的历史语境数据，约束生成内容的时代风格，最终实现 “结构完整且风格保真” 的修复效果。

5、结论

AIGC 技术为北京非遗砖雕的保护与传承提供了系统性解决方案，其核心价值在于通过技术创新破解传统修复瓶颈。综合数据库实现了物理特征与历史规制的深度关联，为修复提供双重支撑；分阶段机制既保证线条衔接精准性，又确保文化语境适配性，避免 “时空错位”。该路径不仅提升修复效率，更实现从 “图案补全” 到 “文化复原” 的进阶，让 “器以载道” 的哲学传统得以延续。未来需优化模型对罕见纹样的学习能力，推动技术与匠人经验融合，为同类非遗的数字化保护提供可复用的实践范式。

参考文献

[1] 孙亮 , 关加乐 . 古建筑保护与修复：基于 GANs 赋能下的AIGC 应用探析 [J]. 工业设计研究 ,2023,(00):323-332.

[2] 李诗棋 .AIGC 技术在文物活化中的应用研究 [J]. 中原文化与旅游 ,2025,(03):10-12.

[3] 徐莹 . 北京砖雕的艺术特征及其价值分析 [J]. 创意设计源 ,2023,(05):44-48.

作者简介：李文燕（2003.11），女，汉，河南省郑州市，本科研究方向：视觉传达设计