古籍修复有了十万对配对数据：AncRestore按退化类型调度视觉先验，PSNR达26.70 dB
核心概要
古籍页面常同时出现纸张老化、水渍变形、虫洞与霉斑，而以往公开的修复基准规模有限、退化多为孤立叠加，难以支撑监督式修复。AncBench 以 100,379 对像素对齐的干净—退化图像，把化学、物理、生物三类退化按先后顺序耦合生成；在此数据上训练的 AncRestore 先估计整页与局部的退化表征，再按退化特征动态选择并分配视觉先验。在 AncBench 测试集上，AncRestore 取得 26.70 dB PSNR、0.9191 SSIM 与 0.1346 LPIPS，字符识别准确率 89.58%。
深度剖析
古籍图像修复现在有了一个十万量级的配对基准，退化不再按单一类型分别叠加，而是让后一步作用在前一步留下的页面上。 此前的文化遗产类基准多面向碑刻或单字重建，合成数据围绕单一退化类型组织，或用掩膜缺陷与局部扰动生成，规模与退化多样性都有限。 AncBench 发布 100,379 对对齐的干净—退化图像，其中 99,879 对用于训练、500 对用于测试，每张退化图都包含化学、物理、生物三个退化家族。
修复网络先读出这一页坏在哪里，再决定调用哪一路视觉先验、在哪些区域多用。 通用修复方法通常把退化当作全局条件处理，或从固定的退化先验中选择，难以应对同一页上并存的复合退化。 损伤表征模块从退化图提取整页退化向量、局部退化标记、软损伤图和多尺度损伤先验金字塔；动态专家路由用图像级打分与逐位置打分共同加权四路 DINOv3 视觉先验，再注入基于半二次分裂的修复主干。
两个模块单独使用收益有限，合起来才把重建质量拉开。 以基线为参照，只加动态专家路由把 PSNR 从 25.56 dB 提到 25.80 dB，只加损伤表征模块仅到 25.61 dB。 两者同时启用时，AncRestore 在 AncBench 上达到 26.70 dB PSNR、0.1346 LPIPS 与 45.2042 MUSIQ，相对基线分别提升 1.14 dB、0.0201 与 0.2956。
启示与展望
已展示的范围是 AncBench 合成配对数据上的整页修复，以及在 HDR28K 与 HanInpaint 两个公开历史文档数据集上的外部评测；读者对象是从事文档图像修复与文化遗产数字化的一方。
AncBench 的退化由合成管线生成，论文自述其目标是更好逼近真实古籍退化的形成过程，而非直接采集真实配对；在 AncBench 上 MUSIQ 一项 AncRestore 排在 IR-SDE 之后，作者将其归因于感知类指标与重建类指标的偏好差异。