Stoner, JH & Rushfield, R. (Eds.) Conservação de pinturas de cavalete (Routledge, 2020).
Idelson, Ai & Severini, L. em A enciclopédia de ciências arqueológicas (Ed. López Varela, SL) (Wiley, 2018).
Corona, L. Coleções armazenadas de museus: uma visão geral de como o armazenamento visível os torna acessíveis. Coletar. Curadoria 441-8 (2025).
Stone, A. Tesouros no porão? Uma análise da utilização da coleta em museus de arte. Rand Dissertation Series, Rand School of Public Policy (2002).
Zeng, Y., Gong, Y. & Zeng, X. Restauração digital controlável de pinturas antigas usando rede neural convolucional e vizinho mais próximo. Reconhecimento de padrões. Lett. 133158-164 (2020).
O’Brien, C., Hutson, J., Olsen, T. e Raticano, J. Limitações e possibilidades de técnicas de restauração digital usando ferramentas generativas de IA: reconstituindo Antoine François Aquiles de Aquiles arrastando o corpo de Hector depois das paredes de Troy. Arts Commun. 11793 (2023).
Liu, X., Wan, J. & Wang, N. Pintura antiga incluindo com transferência regional de estilo de atenção e percepção de contexto global. Appl. Sci. 148777 (2024).
Xu, Z. et al. Um conjunto de dados abrangente para a restauração digital dos murais de Dunhuang. Sci. Dados 11955 (2024).
Stubbs-Lee, da investigação de um conservador de museus, armazenamento visível e a interpretação da conservação. Coleções 5265-323 (2009).
Vecco, M. & Piazzai, M. Deaccioning of Museum Collections: O que sabemos e onde estamos na Europa? J. Cult. Herança 16221–227 (2015).
Keene, S., Stevenson, A. & Monti, F. Coleções para pessoas: coleções armazenadas dos museus como recurso público (UCL Institute of Archaeology, 2008).
Jessell, B. Helmut Ruhemann Técnicas de pintura. J. Am. Inst. Conserv. 171-8 (1977).
Tate-Harte, A. & Thickett, D. Calculando a pegada de carbono da conservação interventiva e preventiva no inglês Heritage, Reino Unido. Stud. Conserv. 69323-332 (2024).
Johansson, E. Um relatório detalhado de conservação de uma pintura fortemente retocada da coleção Otto Valstad. Tese de mestrado, Univ. de Oslo (2014).
Scott, DA Restauração de Arte e sua contextualização. J. Educ. 5182-104 (2017).
Amura, A. et al. Análise de imagem aplicada ao planejamento de uma intervenção de restauração de pintura de tela. GE-Conservacion 18339-346 (2020).
Kumar, P. & Gupta, V. Preservando o patrimônio artístico: uma revisão abrangente dos métodos de restauração virtual para obras de arte danificadas. Arco. Computação. Métodos Eng. 321199-1227 (2025).
Rojas, DJB, Fernandes, BJT e Fernandes, SMM Uma revisão sobre técnicas de pintura de imagem e dados. Em 2020 33rd SibGrapi Conference sobre gráficos, padrões e imagens (Sibgrapi) 240–247 (IEEE, 2020).
Yang, J. & Ruhaiyem, NIR Review of Deep Learning Based Image Painting Techniques. IEEE Acesso 12138441-138482 (2024).
Barcelos, IM, Rabelo, TB, Bernardini, F., Monteiro, RS & Fernandes, LAF do passado ao presente: uma investigação terciária de vinte e quatro anos de imagem que se apresenta. Computação. Gráficos 123104010 (2024).
ELHARRSS, O., Damseh, R., Belkacem, An, Badidi, E. & Lakas, A. Imagem e vídeo baseados em transformadores que inpaintam: desafios atuais e direções futuras. Artif. Intell. Rev. 58124 (2025).
Li, H., Hu, L., Liu, J., Zhang, J. & Ma, T. A Review of Advances in Image Painting Research. Imagem Sci. J. 72669-691 (2024).
Rameau, A., Bertalmío, M., Caselles, V. & Sapiro, G. Uma estrutura abrangente para a imagem de imagem. IEEE Trans. Processo de imagem. 192634-2645 (2010).
Khalid, S. et al. Uma revisão sobre técnicas de preservação baseadas em inteligência tradicional e artificial para obras de arte de pintura a óleo. Géis 10517 (2024).
Sizyakin, R. et al. Detecção de crack em pinturas usando redes neurais convolucionais. IEEE Acesso 874535-74552 (2020).
Maali Amiri, M. & Messinger, DW Limpeza virtual de obras de arte usando uma rede generativa profunda: estimativa de refletância espectral. Heritage Sci. 1116 (2023).
Palomero, CMT e Soriano, limpeza digital MN e visualização da camada de “sujeira” de uma pintura a óleo. Optar. Expressar 1921011-21017 (2011).
Munoz-Pandiella, I., Andujar, C., Cayuela, B., Pueyo, X. & Bosch, C. Restituição de cor digital automatizada de pinturas murais usando o mínimo de contribuição do historiador de arte. Computação. Gráficos 114316-325 (2023).
Merizzi, F. et al. Imagem profunda antes da pintura de afrescos antigos no arco alpino do Mediterrâneo. Heritage Sci. 1241 (2024).
Priego, E., Herráez, J., Denia, JL & Navarro, P. Estudo técnico para restauração de pinturas murais através da transferência de uma imagem fotográfica para o cofre de uma igreja. J. Cult. Herança 58112-121 (2022).
Cricchio, C. A restauração da pintura do painel representando a adoração de pastores com um bispo de São. Ceroart. Conservação, Exposição, Restaurando D’Esti https://doi.org/10.4000/ceroart.5224 (2017).
Nocheseda, CJC, Santos, MFA, Espera, AH & Advincula, RC 3D Digital Manufacturing Technologies, Materiais e Inteligência Artificial na Arte. Sra. Commun. 131102-1118 (2023).
Elkhuizen, W. et al. Examinação de brilho, cor e topografia para reproduzir a aparência de uma pintura usando a impressão 3D. J. Comput. Culto. Herança 1227: 1–27: 22 (2019).
Google Scholar
Dardes, K. & Rothe, A. (Eds.) A conservação estrutural de pinturas de painéis: Anais de um Simpósio no J. Paul Getty Museum (Getty Publications, 1998).
Mecklenburg, MF, Charola, AE & Koestler, RJ (Eds.) Novas idéias sobre a limpeza de pinturas: Anais da Conferência Internacional de Limpeza de 2010 (Smithsonian Institution Scholarly Press, 2019).
Yoo, WS, Kang, K., Kim, JG & Yoo, Y. Extração de informações de cores e visualização de diferenças de cores entre imagens digitais através do mapeamento de diferenças de cores de pixel por pixel. Herança 53923 (2022).
Antropov, S. & Bratasz, ł. Desenvolvimento de padrões de craquelure em pinturas em painéis. Heritage Sci. 1289 (2024).
KiaRakis, N. & Maragos, P. Um sistema integrado para a restauração digital de pinturas de paredes terania pré -históricas. Em 2013 18ª Conferência Internacional sobre Processamento de Sinais Digital (DSP) 1–6 (IEEE, 2013).
Ridderbos, B., Van Buren, A. e Van Veen, HT Pinturas da Holanda, redescoberta, recepção e pesquisa (Getty Publications, 2005).
Google Scholar
Crowe, J. Os primeiros pintores flamengos: avisos de suas vidas e obras (John Murray, 1872).
Google Scholar
Mão, Jo & Wolff, M. Pintura da Holanda do início (Galeria Nacional de Arte, 1986).
Google Scholar
De Loo, Gh Hans Memlinc no estúdio de Rogier van der Weyden. Revista Burlington para conhecedores 52160-177 (1928).
Google Scholar
Cohen, EJ, Bravi, R., Bagni, Ma & Minciacchi, D. Precisão nas tarefas de desenho e rastreamento: diferentes medidas para diferentes aspectos do controle motor fino. Zumbir. Mov. Sci. 61177-188 (2018).
Komarova, NL e Jameson, KA Uma teoria quantitativa das escolhas de cores humanas. PLoS um 8E55986 (2013).
Emery, KJ & Webster, MA diferenças individuais e suas implicações para a percepção de cores. Curr. Opin. Comportamento. Sci. 3028-33 (2019).
Smet, Kag, Webster, Ma & Whitehead, LA Uma abordagem simples de princípios para modelar e entender métricas uniformes de cores. J. Opt. Soc. Sou. A opt. Imagem. Sci. Vis. 33A319 – A331 (2016).
Abasi, S., Amani Teerã, M. e Fairchild, Métricas de distância MD para diferenças de cores muito grandes. Color res. Appl. 45208-223 (2020).
Song, A., Faugeras, O. & Veltz, R. Um modelo de campo neural para percepção de cores unificando assimilação e contraste. PLOS Comput. Biol. 15E1007050 (2019).
Pazzaglia, M. et al. Perda e beleza: como especialistas e novatos julgam pinturas com lacunas. Psychol. Res. 851838-1847 (2021).
Saunders, D. Filtros Ultra-Violet para fontes de luz artificiais. Tecnologia. Touro. 1361-68 (1989).
Google Scholar
