完整性的暴政

完整性的暴政:生成式AI文化遗产实践中的修复默认与残缺的知识论地位

摘要

生成式AI介入文化遗产图像处理已经从技术前沿走向常规生产。壁画秒级修复、文物纹样批量生成、残缺区域自动补全——这些能力在三年前还是学术论文的实验对象,今天已经成为博物馆数字化工作流中的标准工具。本文认为,正是因为AI修复已经成熟,一个此前被技术进步的兴奋所遮蔽的问题才值得被严肃提出:这些工具共享的”完整性偏见”——即完整的图像比残缺的图像更有价值、修复是面对残缺的唯一正当回应——究竟是一个技术中立的工程目标,还是一套特定的文化价值观在算法架构中的沉淀?本文以汉画像石的残缺状态为分析对象,从三个维度展开论证:考古知识论中修复范式对残缺知识论地位的系统性压制、扩散模型去噪架构对”完整”的隐含编码、以及残缺作为被压抑的认知资源在再语境化框架下的理论可能性。本文并不主张AI修复是错误的,而是主张在修复技术成熟的今天,“不修复”需要被建立为一个同样合法的知识论立场。

关键词: 完整性偏见;算法伦理;文化遗产;生成式AI;汉画像石;残缺;知识论

一、引言:修复之后的问题

1.1 一个已经回答的问题与一个尚未提出的问题

2024年末,西安电子科技大学焦李成团队发布的壁画修复AI系统可以在五秒内对缺损壁画完成自动补全,“肉眼难以看出补全痕迹”。同年,基于扩散模型的文物图像修复工具已经从实验室原型发展为多个博物馆实际部署的生产系统。国家博物馆利用AI数据集对甲骨文进行检测识别,华中科技大学团队用扩散模型模拟汉字演变过程以辅助甲骨文破译。在设计端,电商平台上的蜡染 LoRA、剪纸LoRA、年画LoRA以数秒为单位产出视觉上完整、整洁、符合”传统感”预期的标准化图像。

“AI能不能修复文化遗产图像”——这个问题已经在技术层面获得了肯定的回答。本文无意对这一回答提出异议。AI修复在考古学的知识生产中有其无可替代的合法性:接近历史原貌是考古学的根本追问,修复是通向这一追问的必要路径,AI使这一路径的效率和精度获得了跨越式提升。

但本文试图提出一个不同的问题——一个恰恰因为修复技术的成熟才得以浮出水面的问题:当修复不再是一个技术挑战而是一个已解决的工程任务时,“修复”本身作为一种默认选择的合法性是否需要被重新审视?

换言之:在AI使”完美修复”变得近乎零成本的条件下,“不修复”是否可以被建立为一个同样合法的、具有独立知识论地位的立场?

这个问题在AI介入之前很难被严肃地提出。当修复一幅残缺壁画需要数月乃至数年的专业劳动时,“保留残缺”在很多情况下只是资源不足的被动结果,不构成一个需要理论论证的主动选择。生成式AI改变了这个条件。当修复的边际成本降至接近零时,选择不修复就不再是一种无奈,而是一种需要理由的决策——而为这个决策提供理由,就需要首先追问那个一直被默认为正确的前提:完整的图像是否真的在所有意义上都优于残缺的图像。

本文将这一前提命名为**“完整性偏见”(completeness bias)**,并从三个层面剖析它的运作方式:考古知识论中修复范式对残缺的知识论地位的系统性压制(第二节)、扩散模型的去噪架构对”完整”的隐含编码(第三节)、以及残缺在再语境化框架下作为被压抑的认知资源的理论可能性(第四节)。

1.2 完整性偏见的三重栖居

在进入分析之前,有必要明确”完整性偏见”的概念界限。本文所指平不是某个学科或某个从业者的个人偏好,而是一种跨学科的、制度化的、嵌入到技术架构中的默认取向。它在三个相互强化的层面上同时运作:

知识论层面。 在考古学与文化遗产研究的主流范式中,残缺的图像被默认归类为”信息缺损”—— 一种偏离”应然状态”的负面事件。数字化修复的研究进路预设了一个明确的价值等级:完整>残缺,修复后>修复前。残缺没有自己独立的知识论地位,它只是一个需要被克服的中间状态。

方法论层面。 在文创设计实践中,完整性偏见以素材筛选逻辑的形式运作。设计师从文化遗产图像中提取的是清晰可辨的纹样单元、完整的造型、可参数化的构图结构。残损的部分在工作流的最早阶段就被过滤——断裂的边缘不进入设计稿,风化的区域不被选为素材,拼合错误的石块不被纳入图像库。这不是一个被明确讨论后做出的选择,而是一个甚至不被注意到的过滤器。

技术架构层面。 在生成式AI的算法架构中,完整性偏见被编码为模型的隐含目标函数。这一点将在第三节展开论证——它构成本文在算法伦理层面的核心分析。

三个层面之间存在相互强化的循环:考古学的修复范式为文创设计提供了”完整才有价值”的知识论背书,文创设计的素材筛选逻辑为AI训练提供了以完整图像为主体的数据集,AI模型的”补全”默认行为又反过来确认了”完整优于残缺”的预设——每个环节都在加固其他环节的前提,而这个前提本身从未被正面追问。

二、考古知识论中的完整性预设

2.1 修复范式的合法性与局限

必须首先承认修复范式在其自身知识论框架内的完全合法性。考古学追问的核心问题是”图像原本是什么样”,数字化修复是通向这一追问的合理路径。蒋英炬、杨爱国对汉画像石题材分类框架的建立^[1]^,信立祥对图像象征意义与构图规律的系统阐释^[2]^,巫鸿对武梁祠图像在丧葬礼仪中功能逻辑的揭示^[3]^,郑岩对墓室空间叙事结构的分析^[4]^——这些研究的共同基础是对图像完整状态的还原性推理,残缺被视为通向历史真相的障碍物。在考古学的问题意识内,这一取向无可指摘。

问题出现在范式移植的环节。当修复范式从考古学被不加反思地移植到设计学时,一个在考古学中作为方法论前提的判断(“我们需要接近原貌才能理解历史”)被转化为一个在设计学中并非不证自明的价值判断(“完整的图像比残缺的图像更有设计价值”)。考古学追问的是”原本是什么”,设计学追问的是”在当下语境中能够产生何种操作空间”——后者不需要完整性作为前提。

2.2 残缺:信息缺损还是另一种信息?

汉画像石为剖析这一问题提供了理想的案例。这批横跨苏鲁豫陕的汉代图像遗存,制作年代集中于西汉中期至东汉末年,历时近三百年。一个基本的物理事实在既有研究中始终处于背景性位置:画像石的残缺状态并非偶然例外,而是经两千年风化与断裂后的物理常态,完整留存的案例反属少数。

修复范式将这一物理常态解读为”信息缺损”——原本存在的视觉信息因物理过程而丧失。这一解读在考古学框架内是正确的。但它同时遮蔽了一个对称的事实:物理断裂在消除某些信息的同时,也生产了原本不存在的信息。

断裂线的走向记录了石材内部晶体结构与外力方向的相互作用关系——这是一种关于物质的知识,完整的画像石不提供它。风化梯度记录了两千年间温度、湿度、微生物在石面不同矿物成分区域造成的差异性退化——这是一种关于时间的知识,修复后的图像恰恰将其消除。拼接错位记录了某一历史时期某一群人试图重组断裂石块时的空间判断——这是一种关于后世接受史的知识,完整性还原将其视为”错误”而予以纠正。

里格尔(Alois Riegl)在《现代纪念物崇拜》中提出的”年代价值”(Alterswert)概念为这一分析提供了经典的理论支点^[5]^。里格尔区分了”历史价值”(依赖专业知识的解读)与”年代价值”(依赖直觉感知的时间体验),并指出后者恰恰栖居于物质表面的损耗痕迹中。一块布满风化蚀痕的石面,即便观者完全不了解汉代丧葬文化,也能从其物质状态中感知到”古老”与”时间经过”。修复消除的不仅是视觉上的”缺损”,同时也是这种低门槛的、通过物质直觉即可获取的时间性信息。

Ingold关于”物的生命史”的讨论将这一视角从审美推向了人类学^[6]^:物质表面的痕迹不是静止的”属性”,而是物与环境持续互动的过程性记录。修复中断了这一记录,将其替换为一个关于”原貌”的推测——无论这个推测多么精确,它在知识论性质上与两千年物质互动的真实痕迹属于完全不同的类别。

这并不意味着修复在所有情况下都是不应该的。它意味着:残缺不是零信息状态,修复不是零代价操作。 每一次修复在恢复某类信息的同时必然消除另一类信息,这一取舍应当被明确地意识到并被讨论,而不是被”完整当然比残缺好”的默认取向所遮蔽。

三、扩散模型中的完整性编码

3.1 去噪过程:一种隐含的价值判断

如果说考古学中的完整性偏见是以学科范式的形式运作的,那么在生成式AI的算法架构中,完整性偏见被编码为一种更隐蔽、更难以追问的形式:模型的训练目标函数。

扩散模型(Diffusion Model)的核心工作原理可以概括为:在训练阶段逐步向图像添加噪声直至图像变为纯噪声,在生成阶段则学习逆过程——从纯噪声逐步”去噪”直至获得一幅”干净”的图像^[7]^。这一架构设计蕴含着一个深层的隐喻:噪声是需要被去除的,清晰/完整是需要被恢复的。 模型的损失函数(loss function)明确地将”预测噪声与实际噪声之间的差距最小化”设为优化目标——换言之,模型被训练为一台”去除一切偏离训练数据分布的东西”的机器。

当这一架构被应用于文化遗产图像处理时,一个关键的问题浮现:残缺在模型的内部表征中属于”信号”还是”噪声”? 断裂线、风化蚀痕、缺失区域——这些特征在训练数据的分布中属于低频甚至零频事件(因为训练集以完整图像为主体),模型的去噪过程会天然地将它们视为需要被”去除”或”补全”的偏差。即使没有人明确要求模型修复一幅残缺的画像石,模型的默认行为也倾向于将断裂线平滑化、将模糊区域锐化、将缺失区域填充——因为这是它的训练目标所指向的方向。

这不是一个bug,而是一个feature——但它是一个携带着特定价值判断的feature。模型没有能力区分”需要被修复的损坏”与”不应被消除的历史痕迹”,因为在其损失函数的数学形式中,这两者没有区别——它们都是”偏离训练数据分布”的东西。

3.2 训练数据的沉默政治

完整性偏见在AI系统中的第二个嵌入点是训练数据的构成。

大规模预训练的图像生成模型(如Stable Diffusion的LAION-5B数据集)以互联网上可抓取的图像为数据来源。这些图像的绝大多数是完整的、清晰的、符合当代视觉规范的——残缺的文化遗产图像在数据集中占比极低。这意味着,当模型学习”一幅图像应该长什么样”时,它学到的分布本身就是以完整性为中心的。残缺不是模型积极地拒绝学习的东西,而是它从未充分见过的东西——它不在模型的”词汇表”里。

Foka与Griffin在讨论AI与文化遗产的关系时指出了这一问题的核心:文化遗产数据携带的物质性与历史性信息在AI生成管线中面临被均质化的风险^[8]^。“均质化”一词精确地描述了这一过程:文化遗产图像的独特性——包括其残缺——在进入AI管线后被压缩为训练数据分布中的一个统计位置,而这个分布的中心是”完整、清晰、无缺损”。

Steyerl在其关于图像流通的批判性写作中提出的”贫图”(poor image)概念在此获得了新的适用性^[9]^:残缺的文化遗产图像在AI的数据政治中处于”贫图”的位置——不是因为它们的分辨率低,而是因为它们的视觉特征偏离了数据分布的中心,因此在模型的内部表征中获得的”发言权”极低。当模型被要求处理一幅残缺的画像石图像时,它的回应不是”理解”残缺,而是用数据分布中心(完整图像)的先验来”覆盖”残缺。

3.3 负向提示词的修辞学

一个在实践中被广泛使用但很少被反思的机制进一步暴露了完整性偏见的运作方式:负向提示词 (negative prompt)。

在使用扩散模型生成图像时,设计师通常在负向提示词中写入”broken, damaged, cracked, weathered, incomplete”以排除生成结果中的”缺陷”。这些词汇的默认分类——它们被放在”不要”的位置——本身就是一个修辞行为:它将残缺定义为一种需要被主动排斥的属性。有趣的是,即使设计师不在负向提示词中明确排斥这些属性,模型的训练数据分布也会使生成结果自然倾向于完整——负向提示词只是将一个已经存在的偏见从隐性变为显性。

而当有人试图逆转这一逻辑——在正向提示词中写入”broken, fragmented, weathered”以主动生成残缺效果——他获得的不是”真实的残缺”,而是”模型想象中的残缺”:一种符合训练数据中”残缺”标签分布的统计产物。其视觉特征是均匀的、可预测的、缺乏真实物理过程非均匀性与随机性的——换言之,是一种”完整性审美”框架内对”残缺”的驯化表征。模型可以生成”看起来旧的”图像,但它不能生成”真正经历了两千年的”图像,因为后者的信息来源是物质与时间的互动而非数据与算法的互动。

3.4 从技术问题到伦理问题

上述分析揭示的不是AI系统的技术缺陷——在工程意义上,扩散模型的去噪架构是高效的、自洽的。它揭示的是一个伦理问题:当一个携带着特定文化价值判断的算法架构被大规模部署于文化遗产处理时,它在系统层面加速了某一类知识的生产(关于”原貌”的推测性知识),同时在系统层面上加速了另一类知识的消除(关于”时间过程”的物质性知识)——而这一取舍从未被明确地摆在决策桌面上。

需要强调的是,本文的立场不是”AI不应该修复文化遗产”。AI修复在考古学知识生产中的价值已经被充分证明,这不是需要争论的问题。本文的立场是:在AI修复已经成为默认选项的今天,“不修复”作为一种选择需要被重新建立其合法性——不是因为修复是错误的,而是因为在修复变得如此容易的条件下,“不修复”反而成了一个需要理由的立场,而这个理由至今没有被系统地提供。

以下两节试图提供这个理由。

四、残缺的知识论地位:四重资源属性

如果残缺不仅仅是信息的丧失,而是另一种信息的获得,那么它携带了什么?以汉画像石残片为分析对象,本节识别出残缺的四重资源属性,每一重都指向完整图像不具备的认知可能性。

4.1 叙事开放性

一幅完整的车马出行图拥有自己的叙事闭环。车驾、骑从、道路、行进方向,所有元素共同构成一个内部自洽的场景,观者的认知在这个闭环之内被引导、被消化,也被限定。当该图因物理断裂仅残存一截马车的局部时,断裂线截断了图像在原有构图中的延续方向,残留的视觉信息不再指向一个确定的意义终点。

艾柯(Umberto Eco)在《开放的作品》中区分了”封闭文本”与”开放文本”^[10]^:前者引导读者走向预设的解读路径,后者在结构层面保留了多种解读可能的并存空间。残片呈现的是一种非意图性的开放结构——需要指出的是,这与艾柯所讨论的创作者有意构建的开放性在生成机制上相异,但在形式结构上同构。残片的开放性不是被设计出来的,因此不携带任何关于”应该如何解读”的预设——这恰恰是其独特的资源属性。

Colitti、Formia与Gasparotto的近期研究对数字文化遗产中的”缺失”做了进一步辨析,指出缺失在特定条件下可以成为引导观者参与意义建构的入口^[11]^。在再语境化的设计操作中,叙事开放性意味着残片比完整图像具有更高的语境适配弹性:一个叙事已封闭的完整图像进入当代场景时,容易被快速归类为”装饰”或”文化引用”,认知处理随即完成;一个叙事未封闭的残片进入当代场景时,断裂处的空白与场景自身的语义之间形成的关联空间,有可能引发更为持久的解读活动。

4.2 年代价值的不可伪造性

残缺的第二重资源属性指向时间维度。如第二节已论及的,里格尔的”年代价值”概念^[5]^揭示了物质表面的损耗痕迹构成一种独立的价值类别。这一属性在生成式AI的语境下获得了新的紧迫性:数字工具可以在数秒内通过滤镜制造”历史感”,但人工老化效果与真实物理损耗之间存在可辨识的差异——真实风化的灰度渐变具有非均匀、非周期的随机特征,断裂线遵循石材内部晶体结构的物理规律而非设计模板。

Benjamin的”灵韵”(aura)概念在此形成跨时代的呼应^[12]^:机械复制(或AI生成)可以无限接近原作的视觉外观,但无法复制那个使原作成为”这一个”而非”任何一个”的物质历史。第三节已论证,即使使用AI主动生成”残缺效果”,获得的也是模型在训练数据分布中采样出的”残缺的统计近似”——它可能在视觉上看起来”旧”,但它不携带任何真实的物质-时间信息。年代价值的不可伪造性因此构成了残缺作为资源的物质基础:它是数字仿制品无法替代的东西。

4.3 认知激活:乖讹与陌生化

当一个携带两千年物理痕迹的残片出现在一个属于当代日常生活的视觉环境中时,观者的认知层面发生了什么?

Carroll提出的”乖讹与解困”模型(incongruity-resolution model)^[13]^提供了第一重解释:认知期待与实际感知之间的落差触发了认知系统的主动搜索——观者试图在两个不兼容的时态之间建立关联,这个搜索过程本身即构成意义的生产活动。

什克洛夫斯基(Shklovsky)的”陌生化”(ostranenie)理论^[14]^提供了互补的第二重解释。与乖讹论强调”落差的解困”不同,陌生化强调”感知过程的延迟”——通过使熟悉之物变得陌生, 恢复人们对事物的感知力。残片的物理质感(粗糙的石面、不规则的断裂边缘、风化的灰度梯度)与当代环境的光洁表面之间的材质反差拖慢了视觉扫描的速度,迫使观者从”浏览”转向”凝视”。

两种机制在残片的再语境化中同时运作:乖讹论解释了观者为什么会尝试在两个时态之间寻找关联(解困),陌生化理论解释了观者为什么会在残片的物理质感上停留更长时间(延迟)。完整图像被植入当代场景时,由于其叙事闭合性和视觉完整性,更容易被认知系统快速归类后”消化”——错位效果被吸收的速度更快,停留时间更短。

4.4 物质证词

残缺的第四重资源属性——也是最容易被审美化讨论所遮蔽的一重——是其证词功能。

断裂线、风化梯度、搬运磨损、拼合错位,这些痕迹不仅仅是”美”或”不美”的审美对象,它们是两千年间物理过程的物质记录。风化在不同矿物成分区域造成的差异性退化记录了石材的地质属性与环境条件的交互作用;断裂线的走向记录了某一次特定的力学事件;拼合错位记录了某一群人在某一历史时期对碎片的空间判断。

这些信息不是关于”图像原本画了什么”的知识(这是修复范式追问的问题),而是关于”图像在两千年间经历了什么”的知识——一种过程性的、物质性的、不可逆的知识。修复操作恢复了前者的同时消除了后者。在多数情况下,这一取舍是被意识到的;但在完整性偏见的影响下,它很少被当作一个需要讨论的取舍——因为前者被默认为更有价值。

许煜(Yuk Hui)关于”宇宙技术”的讨论^[15]^在此提供了一个更宏观的理论框架。许煜指出, 不同文化传统对”技术”的理解嵌入着不同的宇宙论前提。中国传统工艺中的”留白""残山剩水”并非技术不足的结果,而是一套关于”不完满即完满”的宇宙论在物质实践中的体现。当生成式AI以其特定的”完整性”概念覆盖文化遗产图像时,被消除的不仅是物理痕迹,还可能包括另一套对待”不完整”的文化智慧。

五、再语境化:一种替代性框架

5.1 挪用与第二次语境转换

如果残缺携带着完整图像不具备的认知资源,那么一个操作性的问题随之出现:这些资源如何被激活?

挪用理论提供了框架。将一个既有对象从其原始语境中抽离并置入新语境,使其在新的意义系统中获得重新界定——从杜尚的”现成品”到波普艺术的图像复制,挪用理论建立的核心命题是:意义不是物品的固有属性,而是语境赋予的^[16]^。

汉画像石残片的特殊性在于它经历了两次语境转换。第一次是非意图性的物理断裂——残片从墓室的丧葬礼仪语境中脱离。但残片并未因此进入完全无语境的状态:通过图录出版、博物馆陈列、学术研究,它获得了考古学与美术史的制度性语境。第二次语境转换是意图性的设计操作 ——将残片从”考古学/博物馆语境”抽离并植入”当代日常语境”(地铁站、咖啡馆、书店)。两次转换的区分至关重要:设计操作不是对第一次转换造成的”损失”的修复,而是在承认残片此前所有语境层级的前提下,为其开辟第三种存在路径。

以Rogers对挪用类型的划分来说^[17]^,这属于转文化化(transculturation):不是以消费或贬抑为目的,而是在充分认知原始语境的前提下将素材引入新的表达系统。

5.2 从美学立场到方法论工具

将残缺视为资源的美学立场在多个传统中已有深厚积累。日本的侘寂(wabi-sabi)美学将不完美、无常与不完整视为美的核心维度^[18]^。金缮(kintsugi)以金色线条凸显裂痕而非掩盖。 Kentridge的炭笔动画以不彻底擦除的笔迹记录时间的层叠^[19]^。蔡国强的火药画以不可控的物理过程留下的痕迹作为创作的核心语言。

但在文化遗产的设计实践领域,“残缺即资源”至今停留在美学声明的层面而未被转化为可操作的方法论。在当前围绕汉画像石的文创实践中——徐州汉画像石艺术馆的系列产品、各类卡通化再设计、基于层次分析法的文化基因提取模型^[20][21]^——无一例外以完整图像为素材。残缺在设计工作流的最早阶段就被过滤,从未作为独立的分析维度进入方法论讨论。

本文认为,将”残缺即资源”从美学立场推进到方法论工具,至少需要三个环节:类型化(将笼统的”碎了”分解为具有不同视觉供给的类别——如断裂缺失、风化模糊、拼接错位、边缘残损,各自携带不同的叙事开放性、时间质感与认知激活潜力);参数化(建立可量化的标注体系,使残缺的状态可以被记录、比较和调用);参数化(建立可量化的标注体系,使残缺的状态可以被记录、比较和调用);匹配化(建立残片与当代语境之间的结构化配对逻辑,使再语境化操作从依赖直觉转化为可追溯的决策流程)。这三个环节的详细展开超出了本文作为理论论文的范围,但它们指明了从立场到方法的转化方向。

六、结语:追问的时机

本文的核心论点可以概括为:完整性不是文化遗产图像的自然属性,而是一套关于”什么值得保留”的文化选择。生成式AI的出现没有创造这套选择,但它使这套选择运作的成本降至了零—— 而正是这种零成本使得追问它成为可能,也使得追问它成为必要。

AI修复文化遗产图像的能力是真实的、有价值的、在考古学知识生产中不可替代的。本文无意否认这一点。但本文试图指出:在修复技术成熟的今天,我们正站在一个值得暂停的位置。上一阶段的核心问题是”AI能不能修复”——这个问题已经回答了。这一阶段的核心问题应该是”AI应不应该在所有情况下都修复”——而回答这个问题,需要首先承认残缺的独立知识论地位,承认修复不是零代价的操作,承认”不修复”可以是一个经过论证的主动选择而非资源不足的被动结果。

汉画像石残片只是一个案例,但它所揭示的问题具有更广泛的适用性。青铜器的锈蚀、壁画的剥落、织物的虫蛀、建筑的风化——文化遗产的物理现实是一个持续损耗的过程。当AI可以将任何残缺”修复”为任何想象中的”完整”时,被抹去的不仅是物理痕迹,还包括残缺所携带的时间深度、叙事开放性、认知激活潜力,以及——或许最重要的——一种不同于”完整即完满”的文化智慧。

保留这些东西不是技术倒退,而是知识论上的进步。

参考文献

[1] 蒋英炬, 杨爱国. 汉代画像石与画像砖[M]. 北京: 文物出版社, 2001.
[2] 信立祥. 汉代画像石综合研究[M]. 北京: 文物出版社, 2000.
[3] 巫鸿. 武梁祠: 中国古代画像艺术的思想性[M]. 柳扬, 岑河, 译. 北京: 三联书店, 2006.
[4] 郑岩. 逝者的面具: 汉唐墓葬艺术研究[M]. 北京: 北京大学出版社, 2013.
[5] RIEGL A. The Modern Cult of Monuments: Its Character and Its Origin[J]. Oppositions, 1982(25): 21-51.
[6] INGOLD T. Making: Anthropology, Archaeology, Art and Architecture[M]. London: Routledge, 2013.
[7] ROMBACH R, BLATTMANN A, LORENZ D, et al. High-resolution image synthesis with latent diffusion models[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New Orleans: IEEE, 2022: 10684-10695.
[8] FOKA A, GRIFFIN G. AI, Cultural Heritage, and Bias: Some Key Queries That Arise from the Use of GenAI[J]. Heritage, 2024, 7(11): 6158-6176.
[9] STEYERL H. In defense of the poor image[J]. e-flux journal, 2009(10): 1-9.
[10] 安伯托·艾柯. 开放的作品[M]. 刘儒庭, 译. 北京: 中信出版社, 2015.
[11] COLITTI S, LENGUA M, FORMIA E, et al. Designing with Absence: Advanced Design Approaches to Missing Data in Digital Cultural Heritage[J]. Heritage, 2025, 8(12): 536.
[12] BENJAMIN W. The work of art in the age of mechanical reproduction[M]// Illuminations. ZOHN H, trans. New York: Schocken Books, 1969: 217-251.
[13] CARROLL N. Humour: a very short introduction[M]. Oxford: Oxford University Press, 2014.
[14] SHKLOVSKY V. Art as device[M]//Theory of Prose. SHER B, trans. Champaign: Dalkey Archive Press, 1990: 1-14.
[15] HUI Y. The Question Concerning Technology in China[M]. Falmouth: Urbanomic, 2016.
[16] DUCHAMP M. The creative act[C]//Convention of the American Federation of Arts. Houston, 1957.
[17] ROGERS R A. From cultural exchange to transculturation: a review and reconceptualization of cultural appropriation[J]. Communication Theory, 2006, 16(4): 474-503.
[18] KOREN L. Wabi-Sabi for Artists, Designers, Poets & Philosophers[M]. Berkeley: Stone Bridge Press, 1994.
[19] KRAUSS R. Under blue cup[M]. Cambridge, MA: MIT Press, 2011.
[20] 李华清. 基于符号学的武氏祠汉画像石文创设计研究[J]. 设计, 2025.
[21] 王瑞清, 邱春婷. 基于AHP层次分析法的陕北汉画像石体育文化基因提取及设计转化[J]. 包装工程, 2025.