AI修复历史影像如何避免虚构细节?

AI修复历史影像的价值，不在于把画面变得“更像今天拍的”，而在于让原本难以辨认的信息重新可读，同时不把算法推测伪装成历史事实。划痕、噪点、褪色和分辨率不足可以处理；人物衣物的纹理、街道远处的招牌、黑白画面本不存在的颜色，则必须被视为不同性质的问题。

避免虚构细节，第一步是守住母本。修复应以高分辨率扫描生成的原始文件为基础，未经处理的扫描件必须长期保存。后续去噪、超分辨率、补帧或色彩化都应生成独立版本，而不是覆盖原件。这样，当某处细节受到质疑时，研究者仍能回到最初的影像证据，而非只能面对已经被处理过的结果。

把“修复”与“重构”分开

算法去除可识别的划痕，通常是在恢复被损伤但原本存在的信息；算法依据周边像素补出模糊边缘，则已进入推断；自动为黑白影像赋予颜色，更涉及灰度与历史语境之间的语义映射。三者不应使用同一种表述，更不能把后两者称为无争议的“还原”。

对外发布时，宜明确标注处理范围：哪些内容来自清洁、稳定或色彩校正，哪些区域经过自动重建，哪些颜色经过历史考证。标注不是降低作品观感，而是保留观众判断的权利。尤其在档案、纪实影像和公共展览中，透明度本身就是可信度的一部分。

让人工复核成为关键环节

AI适合承担重复性清理，但不应独自决定历史语境。修复师需要逐帧检查算法是否把噪点误判为纹理、把阴影补成物体，或在人物面部、文字和建筑结构上制造不自然的连续性。涉及色彩、裁剪与关键细节时，还应结合历史资料进行复核，并记录决策理由。

可追溯的处理记录同样重要。模型类型、处理步骤、参数选择、人工修改与版本关系应被保存为元数据，使第三方能够理解影像为何呈现为现在的样子。历史影像修复可以提升可读性，却不应抹平它的不确定性；保留证据边界，才是避免虚构细节的根本。