河南省科学院地理研究所科研人员卫常青与团队合作在Nature旗下期刊《npj Heritage Science》发表题为《AIGC based digital heritage reconstruction of Qing interior canopies》的研究型论文。论文以河南省科学院地理研究所为第一署名单位，初级研究员卫常青为第一作者，孔洞一博士为通讯作者。

该研究首次提出一套基于人工智能生成内容技术的清代小木作构件数字化复原方法，结合历史图像语义提取、建筑术语体系构建、Prompt提示词设计与SketchUp参数化建模验证流程，构建了涵盖清代内檐罩构造特征与装饰语义的结构化图像语料库与构件语义词汇库，提炼传统木作构件的组合逻辑与风格表达规则，并据此形成可支持快速生成、语义控制与三维重建的智能化复原模型体系。该研究为传统建筑构件形态研究、生成式数字遗产保护及HBIM智能化建模提供了新的技术路径与方法范式。论文已于2026年1月在《npj Heritage Science》正式发表。

研究背景

随着数字技术在文化遗产保护领域的深入应用，传统建筑构件的高精度数字化复原已成为建筑遗产保护与活化利用的重要基础。然而，在实际实践中，古建筑尤其是小木作类精细构件普遍面临以下突出问题：

一是历史档案资料碎片化。清代建筑相关文献多以手绘图样、工部则例或文字记载形式保存，比例信息不完整，难以直接用于三维建模；二是传统数字化方式效率有限。人工绘图、三维扫描或HBIM建模虽能还原结构逻辑，但对复杂雕饰、装饰细节和风格语义表达能力不足；三是模型构建高度依赖专家经验，成本高、周期长，难以实现规模化数字保存。

随着人工智能生成内容（Artificial Intelligence Generated Content, AIGC）技术在图像生成、风格迁移和语义表达方面展现出强大的潜力。以 Midjourney、Stable Diffusion、DALL·E 等为代表的生成模型能够通过语义提示词快速生成高质量建筑图像，在风格表达与装饰细节还原方面具有明显优势。然而，AIGC生成结果往往缺乏明确的结构逻辑和尺度控制，难以直接转化为可用于工程复原的三维模型。

针对上述矛盾，本研究以清中期内檐罩这一典型小木作构件为对象，提出将历史语义提取、提示词设计与三维建模验证相结合，探索一条“语义驱动—图像生成—模型校核”的数字复原新路径，以弥补传统HBIM方法在效率与风格表达方面的不足，实现生成式人工智能与建筑遗产保护技术的深度融合

方法与结果

研究构建了一个完整的AIGC辅助数字复原流程，主要包括四个阶段：

1. 历史图像数字化与语义标注

首先对清代内檐罩历史图样进行数字化处理，包括透视校正、矢量化描绘、结构线提取及构件分区分解。依据传统木作营造逻辑，将图像划分为框架构件、填充构件与装饰构件，并建立“构件类别—部件名称—装饰特征”的三级标注体系，实现图像到结构语义的映射。

2. 术语语义体系构建

针对传统建筑术语命名混乱、跨文献不统一的问题，研究系统梳理历史文献，建立了76项内檐罩构件语义词汇表，并构建“术语—功能—空间位置—组合逻辑”的四层语义映射结构。该语义库既统一了历史称谓，又为AIGC提示词提供机器可读的专业语言基础。

3. Prompt模板与语料库设计

在语义库基础上构建四层提示词模板，包括：构件语义（类型与部件）、

历史风格（时代与地域）、装饰特征（纹样与构图）、表达方式（视角与渲染）。

采用固定模板结合语义变量策略，共形成 46组提示词组合，并在多平台生成实验中共获得 312张内檐罩图像样本。

4. 图像到三维模型转换验证

将生成图像导入SketchUp，结合Profile Builder、Curviloft、Artisan等插件，完成轮廓提取、节点推断与参数化建模，并通过叠合对比、比例分析和语义一致性检验验证模型可靠性。

实验结果方面，研究从结构、节点与风格三个维度进行定量评估：

结果显示，落地罩与飞罩模型的几何偏差分别控制在±3.5%和±4.2%以内，其中主承重构件误差最低约为2.8%，装饰细部因形态复杂略高但整体不超过4.5%，表明AIGC在宏观结构比例还原方面具有较高稳定性与可靠性。同时，约85%的构件节点可直接识别并完成重建，生成图像已具备较清晰的构造逻辑表达能力；在色彩、纹样及装饰层次等风格维度上亦与清代历史语境高度吻合。综合来看，AIGC在风格表达与快速原型生成方面优势显著，但在尺度精度与细部构造层面仍需结合人工语义校正与参数化建模进一步优化。

表1.清中期典型内檐罩的语义标注汇总（部分）

表2.建筑木作构建语义词汇表（部分）

表3.提示词嵌套系统

图1.基于AIGC内檐罩的数字重建流程

图2.提示词设计驱动的图像响应变化

图3.内檐罩结构的空间关系与边界组成

学术价值

1.构建了“语义词库—Prompt模板—AIGC生成—参数建模—一致性验证”的闭环技术路线，实现从文本语义到三维模型的自动化转译，为建筑遗产数字复原提供了新的生成式方法论。

2.突破传统HBIM单一路径限制，将AIGC引入建筑构件重建流程，实现：快速生成多方案原型、风格多样化表达、降低人工建模成本、提升重建效率，为智能化数字遗产保护提供可复制流程。

3.提出空间、语义分层误差分析框架，揭示AIGC在不同结构层级中的可靠性差异，明确：主结构 → 高可信度、装饰细节 → 易偏移，为后续模型权重分配与算法优化提供理论依据。

作者简介

卫常青，苏州科技大学建筑学院硕士，与2024年6月入职河南省科学院地理研究所至今，研究方向为建筑遗产保护设计。

孔洞一，毕业于波恩大学地理研究所，地理学博士，2024年6月入职河南省科学院地理研究所至今，研究方向为文化景观数智化，历史地理学。

文章下载链接：

https://doi.org/10.1038/s40494-025-02280-y

本文标准引文格式如下，欢迎参考引用：

Wei, C., Kong, D., Wang, Y., Jia, J., & Liu, J. (2025). AIGC based digital heritage reconstruction of Qing interior canopies. npj Heritage Science. https://doi.org/10.1038/s40494-025-02280-y

撰稿：卫常青

初审：任   杰

复审：杜   军

终审：鲁   鹏