Rivitalizzare il Patrimonio Culturale: Un Approccio Innovativo per il Restauro Completo di Documenti Storici

Reviving Cultural Heritage: A Novel Approach for Comprehensive Historical Document Restoration

July 7, 2025

Autori: Yuyi Zhang, Peirong Zhang, Zhenhua Yang, Pengyu Yan, Yongxin Shi, Pengwei Liu, Fengjun Guo, Lianwen Jin

cs.AI

Abstract

I documenti storici rappresentano un patrimonio culturale inestimabile, ma hanno subito un significativo degrado nel tempo a causa di strappi, erosione idrica e ossidazione. I metodi esistenti per il Restauro di Documenti Storici (HDR) si concentrano principalmente su una singola modalità o su un restauro di dimensioni limitate, non riuscendo a soddisfare le esigenze pratiche. Per colmare questa lacuna, presentiamo un dataset HDR a pagina intera (FPHDR) e una nuova soluzione automatizzata per l'HDR (AutoHDR). Nello specifico, FPHDR comprende 1.633 immagini reali e 6.543 immagini sintetiche con localizzazioni a livello di carattere e di riga, nonché annotazioni di caratteri in diversi gradi di danneggiamento. AutoHDR imita i flussi di lavoro di restauro degli storici attraverso un approccio in tre fasi: localizzazione del danno assistita da OCR, previsione del contesto testo-immagine e restauro autoregressivo dell'aspetto a livello di patch. L'architettura modulare di AutoHDR consente una collaborazione uomo-macchina senza soluzione di continuità, permettendo un intervento e un'ottimizzazione flessibili in ogni fase del restauro. Gli esperimenti dimostrano le prestazioni eccezionali di AutoHDR nell'HDR. Quando si elaborano documenti gravemente danneggiati, il nostro metodo migliora l'accuratezza dell'OCR dal 46,83\% all'84,05\%, con un ulteriore incremento al 94,25\% attraverso la collaborazione uomo-macchina. Crediamo che questo lavoro rappresenti un significativo progresso nel restauro automatizzato di documenti storici e contribuisca sostanzialmente alla preservazione del patrimonio culturale. Il modello e il dataset sono disponibili all'indirizzo https://github.com/SCUT-DLVCLab/AutoHDR.

English

Historical documents represent an invaluable cultural heritage, yet have undergone significant degradation over time through tears, water erosion, and oxidation. Existing Historical Document Restoration (HDR) methods primarily focus on single modality or limited-size restoration, failing to meet practical needs. To fill this gap, we present a full-page HDR dataset (FPHDR) and a novel automated HDR solution (AutoHDR). Specifically, FPHDR comprises 1,633 real and 6,543 synthetic images with character-level and line-level locations, as well as character annotations in different damage grades. AutoHDR mimics historians' restoration workflows through a three-stage approach: OCR-assisted damage localization, vision-language context text prediction, and patch autoregressive appearance restoration. The modular architecture of AutoHDR enables seamless human-machine collaboration, allowing for flexible intervention and optimization at each restoration stage. Experiments demonstrate AutoHDR's remarkable performance in HDR. When processing severely damaged documents, our method improves OCR accuracy from 46.83\% to 84.05\%, with further enhancement to 94.25\% through human-machine collaboration. We believe this work represents a significant advancement in automated historical document restoration and contributes substantially to cultural heritage preservation. The model and dataset are available at https://github.com/SCUT-DLVCLab/AutoHDR.