艺术学者经常研究通过重复使用同一画布而创作的underdrawing和ghost-paintings和ghost-paintings。常用的X射线和红外成像只能揭示隐藏画作的灰度特征。

最近的一项研究建议使用深度卷积神经网络来密切重建鬼画的颜色、形式和风格。

第一步是将隐藏的图像与X射线图像中的可见图像分离。由于这仍然是一项未解决的任务，研究人员不得不使用手工编辑。一旦给出了底图，就会采用神经风格迁移来重新创建这幅画。

精心挑选的同一艺术家和同一时期的作品被馈送到卷积神经网络VGG-Network，该网络在视觉对象识别方面受到赞赏。结果，在X射线图像中难以揭示的特征已经被揭示。将来可以使用类似的扩展系统来恢复隐藏的艺术品。

我们描述了卷积神经网络风格迁移在改善美术油画中底图和鬼画的可视化问题中的应用。这种底图和隐藏的绘画通常通过X射线或红外线技术揭示，这些技术产生灰度图像，因此没有颜色和完整的风格信息。过去推断底图颜色的方法是基于鬼画中颜料的物理X射线荧光光谱成像，因此昂贵、耗时，并且需要大多数保护工作室不具备的设备。我们的算法方法不需要如此昂贵的物理成像设备。我们的概念验证系统应用于PabloPicasso和Leonardo的作品，揭示了尊重鬼画中自然分割的颜色和设计。我们相信计算出的图像提供了对艺术家和相关作品的洞察，这是其他方式无法获得的。我们的结果强烈表明，未来基于更大的绘画语料库进行训练的应用程序将显示更接近艺术家作品的配色方案和设计。由于这些原因，我们的方法的改进应该在艺术保护、鉴赏和艺术分析中得到广泛应用。