La restauración del arte toma manos firmes y un ojo exigente. Durante siglos, los conservadores han restaurado pinturas identificando áreas que necesitan reparación, luego mezclando un tono exacto para llenar un área a la vez. A menudo, una pintura puede tener miles de pequeñas regiones que requieren atención individual. Restaurar una sola pintura puede llevar desde unas pocas semanas hasta más de una década.
En los últimos años, las herramientas de restauración digital han abierto una ruta para crear representaciones virtuales de obras restauradas originales. Estas herramientas aplican técnicas de visión por computadora, reconocimiento de imágenes y coincidencia de color, para generar una versión «restaurada digitalmente» de una pintura relativamente rápido.
Aún así, no ha habido forma de traducir las restauraciones digitales directamente a un trabajo original, hasta ahora. En un artículo que aparece hoy en el diario NaturalezaAlex Kachkine, un estudiante graduado de ingeniería mecánica en el MIT, presenta un nuevo método que ha desarrollado para aplicar físicamente una restauración digital directamente en una pintura original.
La restauración se imprime en una película de polímero muy delgada, en forma de máscara que puede alinearse y adherirse a una pintura original. También se puede eliminar fácilmente. Kachkine dice que un archivo digital de la máscara puede ser almacenado y referido por futuros conservadores, para ver exactamente qué cambios se hicieron para restaurar la pintura original.
«Debido a que hay un registro digital de qué máscara se usó, en 100 años, la próxima vez que alguien trabaje con esto, tendrá una comprensión extremadamente clara de lo que se le hizo a la pintura», dice Kachkine. «Y eso nunca antes había sido posible en la conservación».
Como manifestación, aplicó el método a una pintura al óleo altamente dañada del siglo XV. El método identificó automáticamente 5.612 regiones separadas que necesitan reparación y llenó estas regiones utilizando 57.314 colores diferentes. Todo el proceso, de principio a fin, tomó 3.5 horas, lo que estima que es aproximadamente 66 veces más rápido que los métodos de restauración tradicionales.
Kachkine reconoce que, como con cualquier proyecto de restauración, hay problemas éticos a considerar, en términos de si una versión restaurada es una representación apropiada del estilo y la intención originales de un artista. Cualquier aplicación de su nuevo método, dice, debe hacerse en consulta con los conservadores con conocimiento de la historia y los orígenes de una pintura.
«Hay mucho arte dañado en el almacenamiento que nunca podría verse», dice Kachkine. «Con suerte, con este nuevo método, existe la posibilidad de que veamos más arte, por el cual me encantará».
Conexiones digitales
El nuevo proceso de restauración comenzó como un proyecto paralelo. En 2021, cuando Kachkine se dirigió al MIT para comenzar su programa de doctorado en Ingeniería Mecánica, condujo por la costa este y hizo un punto para visitar tantas galerías de arte como pudo en el camino.
«He estado en el arte durante mucho tiempo ahora, desde que era un niño», dice Kachkine, quien restaura las pinturas como un pasatiempo, utilizando técnicas tradicionales de pintura a mano. Mientras recorría galerías, se dio cuenta de que el arte en las paredes es solo una fracción de las obras que tienen las galerías. Gran parte del arte que las galerías adquieren se almacena porque las obras están envejecidas o dañadas, y se toman el tiempo para restaurar adecuadamente.
«Restaurar una pintura es divertido, y es genial sentarse y rellenar cosas y tener una buena noche», dice Kachkine. «Pero ese es un proceso muy lento».
Como ha aprendido, las herramientas digitales pueden acelerar significativamente el proceso de restauración. Los investigadores han desarrollado algoritmos de inteligencia artificial que rápidamente se adhieren a través de grandes cantidades de datos. Los algoritmos aprenden conexiones dentro de estos datos visuales, que aplican para generar una versión restaurada digitalmente de una pintura particular, de una manera que se parece mucho al estilo de un artista o período de tiempo. Sin embargo, tales restauraciones digitales generalmente se muestran virtualmente o se imprimen como obras independientes y no se pueden aplicar directamente al arte original.
«Todo esto me hizo pensar: si pudiéramos restaurar una pintura digitalmente y afectar los resultados físicamente, eso resolvería muchos puntos débiles y inconvenientes de un proceso manual convencional», dice Kachkine.
«Alinearse y restaurar»
Para el nuevo estudio, Kachkine desarrolló un método para aplicar físicamente una restauración digital en una pintura original, utilizando una pintura del siglo XV que adquirió cuando llegó por primera vez al MIT. Su nuevo método implica primero usar técnicas tradicionales para limpiar una pintura y eliminar cualquier esfuerzo de restauración pasada.
«Esta pintura tiene casi 600 años y ha pasado por la conservación muchas veces», dice. «En este caso, hubo una buena cantidad de sobrecarga, todo lo cual debe limpiarse para ver lo que realmente está allí para empezar».
Escaneó la pintura limpia, incluidas las muchas regiones donde la pintura se había desvanecido o agrietado. Luego utilizó algoritmos existentes de inteligencia artificial para analizar el escaneo y crear una versión virtual de cómo se veía la pintura en su estado original.
Luego, Kachkine desarrolló un software que crea un mapa de regiones en la pintura original que requiere relleno, junto con los colores exactos necesarios para que coincidan con la versión restaurada digitalmente. Este mapa se traduce en una máscara física de dos capas que se imprime en películas basadas en polímeros delgados. La primera capa se imprime en color, mientras que la segunda capa se imprime en el mismo patrón, pero en blanco.
«Para reproducir completamente el color, necesita tinta blanca y color para obtener el espectro completo», explica Kachkine. «Si esas dos capas están desalineadas, es muy fácil de ver. Por lo tanto, también desarrollé algunas herramientas computacionales, en función de lo que sabemos de la percepción del color humano, para determinar cuán pequeña de una región prácticamente podemos alinear y restaurar».
Kachkine usó arrugas de tinta comerciales de alta fidelidad para imprimir las dos capas de la máscara, que se alineó cuidadosamente y superpuso a mano sobre la pintura original y se adhirió con un delgado rociado de barniz convencional. Las películas impresas están hechas de materiales que se pueden disolver fácilmente con soluciones de grado de conservación, en caso de que los conservadores necesiten revelar el trabajo original y dañado. El archivo digital de la máscara también se puede guardar como un registro detallado de lo que se restauró.
Para la pintura que usó Kachkine, el método pudo completar miles de pérdidas en solo unas pocas horas. «Hace unos años, estaba restaurando esta pintura italiana barroca con probablemente la misma magnitud de las pérdidas, y me llevó nueve meses de trabajo a tiempo parcial», recuerda. «Cuantas más pérdidas hay, mejor es este método».
Estima que el nuevo método puede ser órdenes de magnitud más rápido que los enfoques tradicionales pintados a mano. Si el método se adopta ampliamente, enfatiza que los conservadores deben participar en cada paso del proceso, para garantizar que el trabajo final esté en consonancia con el estilo y la intención de un artista.
«Se necesitará mucha deliberación sobre los desafíos éticos involucrados en cada etapa de este proceso para ver cómo se puede aplicar esto de una manera más consistente con los principios de conservación», dice. «Estamos configurando un marco para desarrollar más métodos. A medida que otros trabajan en esto, terminaremos con métodos que son más precisos».
Este trabajo fue apoyado, en parte, por el Fondo Memorial de John O. y Katherine A. Lutz. La investigación se llevó a cabo, en parte, mediante el uso de equipos e instalaciones en MIT.Nano, con apoyo adicional de los Laboratorios de Tecnología Microsistemas del MIT, el Departamento de Ingeniería Mecánica del MIT y las Bibliotecas MIT.
