النقوش القديمة تمثل تراثاً غنياً من المعلومات التاريخية، لكن مع مرور الزمن، غالباً ما تعاني من التلف أو الفقدان في الجزئيات بسبب تآكلها أو تفتتها. هذا الأمر يُصعِّب عملية القراءة والتحليل، مما يعرقل دراسات عديدة حول الثقافات القديمة. لكن الآن، ومع نظام الـ MESA (إطار متعدد النماذج، الوعي بالأسلوب)، يمكننا استعادة تفاصيل هذه النقوش المفقودة بطريقة ثورية.

يعتمد نظام MESA على إعادة بناء الصور باستخدام نقوش محفوظة جيداً من نفس المعلم النقشي، أو المواد، أو أشكال الحروف المتشابهة لتعزيز دقة عملية الاستعادة. حيث يقوم النظام بتحليل الـ VGG19 – وهي شبكة عصبية تعتمد على ميزات الالتفاف– ويستخدم المصفوفات المعنوية لالتقاط الأنسجة والأسلوب وبنية الضربات. هذا النظام فعال للغاية، حيث يقوم باختيار أفضل نموذج مثال يقلل من تباين المسافات (Mean-Squared Displacement – MSD) إلى الصورة التالفة.

تمكن MESA من دمج أوزان مساهَمات لغايات متعددة باستخدام عرض الحروف المقدرة عبر تقنية التعرف الضوئي على الحروف (Optical Character Recognition). وبفضل هذه التقنية، يضمن النظام أن تكون الحروف المستعادة متناسبة مع الهندسة الحرفية المقابلة. كما يستخدم نظام MESA قناع تدريب يحافظ على الأجزاء السليمة، مما يحد من الاستعادة للأجزاء التالفة فقط.

تناول الباحثون في سياق هذه الدراسة أيضاً الأساليب السابقة لشبكات أنماط التصنيف، وتجميع البيانات، وتحسين تجربة المستخدم، مع الإشارة إلى القيود التي كانت تعيق هذه الطرق والتي تم التغلب عليها بفضل MESA.

من خلال التجارب المقارنة، لُوحظت مزايا MESA بشكل واضح. كما يوفر البحث دليلاً عملياً لاختيار استراتيجيات الاستعادة اعتماداً على النماذج المتاحة وبيانات التعريف. الأمر الذي يفتح آفاقاً جديدة لدراسة وصيانة التراث الحضاري من خلال تقنيات متقدمة.