EpiAgent: An Agent-Centric System for Ancient Inscription Restoration¶

会议: CVPR 2026
arXiv: 2604.09367
代码: https://github.com/blackprotoss/EpiAgent
领域: LLM Agent/数字人文
关键词: 古代铭文修复, LLM Agent, 多模态分析, 迭代优化, 文化遗产保护

一句话总结¶

EpiAgent是首个面向古代铭文修复的Agent系统，通过LLM中央规划器协调多模态分析、专用修复工具和迭代自我优化，在文字真实性和视觉保真度上超越现有方法。

研究背景与动机¶

领域现状：AI驱动的古代文字修复已有进展，但现有方法要么局限于单字符级修复，要么使用固定流水线进行全铭文修复，无法处理异构退化模式。

现有痛点：(1) 基于图像到图像翻译的方法常扭曲原始字形，导致过度/不足修复；(2) 固定流水线缺乏对异构退化模式的适应性；(3) 铭文修复需要同时保证文字真实性和视觉保真度的双重要求。

核心矛盾：铭文修复不是简单的图像增强，而是需要像人类铭文学家那样协调多模态分析、专业技能判断和审美评价的复杂认知过程。

本文目标：构建一个模仿人类铭文学家工作流程的Agent系统，实现灵活自适应的铭文修复。

切入角度：将铭文修复形式化为分层规划问题，由LLM中央规划器在"观察-构思-执行-再评估"循环中驱动。

核心idea：用Agent架构替代固定流水线，使修复过程能根据退化模式动态调整工具选择和执行顺序。

方法详解¶

整体框架¶

EpiAgent遵循Observe-Conceive-Execute-Reevaluate四阶段循环：Observe阶段收集多模态信息（MLLM感知+校正语言模型+退化评估）；Conceive阶段基于历史经验制定修复计划；Execute阶段调用专用工具组合执行；Reevaluate阶段通过自动指标和可选专家反馈评估并迭代。

关键设计¶

Observe阶段的多模态融合分析:
- 功能：建立对铭文退化状态的全面评估记录
- 核心思路：分两步——(1) MLLM产生初始布局和文字假设；(2) 校正语言模型（CLM，基于RAG查询大规模中文语料库）纠正文字识别，布局校正模块预测完整布局（包括完全缺失区域），退化评估模型生成像素级退化分割掩码和严重程度等级
- 设计动机：铭文退化涉及空间变化、结构耦合和多尺度特征，需要多模态协同才能全面评估
Conceive阶段的经验驱动规划:
- 功能：将退化评估转化为可执行的修复计划
- 核心思路：从历史执行日志中提取统计先验 \(p(f|\mathcal{S}_d)\)，将退化模式映射到工具效用分布。规划器 \(\pi\) 基于观察记录 \(T_r\) 和经验先验 \(T_e\) 为每个字符生成独立的动作序列 \(P_c = (f_1^{(c)}, ..., f_{N_c}^{(c)})\)
- 设计动机：不同退化模式需要不同的工具组合和执行顺序，经验先验使规划更加高效精准
Reevaluate阶段的多角度评估:
- 功能：闭环评估和迭代优化
- 核心思路：从像素质量（PSNR/SSIM/LPIPS）、文字识别（Top-1/Top-5准确率）和端到端性能（1-NED）三个维度评估修复结果，可选引入第三方专家反馈。评估结果驱动下一轮迭代的重规划
- 设计动机：铭文修复的质量不仅取决于视觉质量，还取决于文字准确性和审美一致性

损失函数 / 训练策略¶

CLM通过微调7B LLM并配合RAG实现文字校正。退化评估模型进行像素级退化分割训练。整体系统是推理时的Agent编排，不需要端到端训练。

实验关键数据¶

主实验¶

方法	PSNR↑	SSIM↑	LPIPS↓	Top-1 Acc↑	1-NED↑
CharFormer	19.74	0.9503	0.0478	0.9109	0.8313
DocDiff	20.61	0.9565	0.0361	0.9275	0.8439
MambaIR	21.10	0.9599	0.0377	0.9093	0.8251
IR3	21.15	0.9540	0.0388	0.9626	0.8855
EpiAgent	22.14	0.9684	0.0254	0.9889	0.9069
完整原件	-	-	-	0.9971	0.9120

消融实验¶

配置	关键指标	说明
无CLM校正	识别准确率下降	文字指导不准确
无经验先验	修复质量下降	工具选择不优化
无迭代优化	质量次优	单次修复不充分
完整EpiAgent	最优	四阶段闭环协同

关键发现¶

EpiAgent的识别准确率(0.9889)接近完整原件(0.9971)，说明修复后的文字几乎完全可读
在真实退化铭文上的泛化能力显著优于固定流水线方法
Agent的迭代优化机制在复杂耦合退化场景下特别有效

亮点与洞察¶

Agent范式在文化遗产保护中的开创性应用：将LLM Agent从通用任务引入到高度专业化的铭文学领域，是数字人文的重要突破
可选专家反馈的闭环设计：系统支持人类专家在评估阶段介入，实现了人机协作的修复工作流
字符级精细规划：不同于全图一刀切的处理，EpiAgent对每个字符独立规划修复策略，处理空间耦合退化

局限与展望¶

LLM推理的计算开销大，单张铭文的修复可能需要数分钟
高度依赖CLM的文字校正质量，在极度退化的铭文上可能失效
仅针对中文古代铭文验证，扩展到其他文字体系需要额外工作

评分¶

新颖性: ⭐⭐⭐⭐⭐ Agent范式在文化遗产保护中的首次应用
实验充分度: ⭐⭐⭐⭐ 在合成和真实退化数据上全面评估
写作质量: ⭐⭐⭐⭐ 工作流描述清晰
价值: ⭐⭐⭐⭐ 对数字人文领域有重要意义