民族壁画虚拟修复模型
针对民族壁画数据样本少，不同民族绘画风格差异大，壁画破损严重的问题，结合前述的四项研究内容，项目组提出了多种壁画修复模型，实现了对民族壁画图像的高质量修复。在此修复图像的基础上，进一步研究了民族壁画的合成方法，扩展了民族壁画虚拟修复结果的应用。其中虚拟修复模型包括：
多尺度并行图像修复网路MCRFnet
基于多分辨率特征并行协作的图像修复方法MCRFNet，通过对生成模型中的编码器和解码器的多项改进，使MCRFNet能通过少量壁画数据的微调，迁移到壁画（或壁画临摹稿）的图像修复问题中，显示了模型良好的泛化性。
高分辨率图像修复方法INRInpainter的修复效果
基于连续隐式表示的高分辨率图像修复方法INRInpainter，即使壁画图像中存在较多的小面积破损，INRInpainter也能很好地完成修复。
基于合成数据的壁画图像修复方法GateFormer
GateFormer中融合了多个门控卷积和改进的transformer模块，目标是在特征学习和计算效率之间取得平衡。
GateFormer的修复效果
通过对合成壁画数据的使用，GateFormer不仅能更好地修复壁画图像中的纹理细节，还具有良好的颜色准确性。
两阶段图像修复方法StrPaint
通过先修复结构，后补充纹理的修复策略，有效提升了修复结果的结构一致性和细节真实性，减少了破损区域内部模糊或结构不协调的问题。
壁画人脸图像生成结果
基于Lora和StyleGAN的壁画人脸图像合成方法，从GAN模型和概率扩散模型两方面探索了如何更好地生成壁画人脸图像。