論文の概要: Character Segmentation in Asian Collector's Seal Imprints: An Attempt to
Retrieval Based on Ancient Character Typeface
- arxiv url: http://arxiv.org/abs/2003.00831v1
- Date: Thu, 13 Feb 2020 09:55:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 13:30:48.057478
- Title: Character Segmentation in Asian Collector's Seal Imprints: An Attempt to
Retrieval Based on Ancient Character Typeface
- Title(参考訳): アジアコレクターのシールインプリントにおける文字のセグメンテーション--古代文字書体に基づく検索の試み
- Authors: Kangying Li, Biligsaikhan Batjargal, Akira Maeda
- Abstract要約: アジアの収集家は通常、アザラシを作るために現代のものよりも芸術的な古代の文字を使った。
これらの文字を自動的に認識するシステムは、愛好家やプロがアザラシの背景情報をよりよく理解するのに役立ちます。
本研究の目的は,アジア収集家の印鑑からより多くの情報を得るための検索ツールを提供することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collector's seals provide important clues about the ownership of a book. They
contain much information pertaining to the essential elements of ancient
materials and also show the details of possession, its relation to the book,
the identity of the collectors and their social status and wealth, amongst
others. Asian collectors have typically used artistic ancient characters rather
than modern ones to make their seals. In addition to the owner's name, several
other words are used to express more profound meanings. A system that
automatically recognizes these characters can help enthusiasts and
professionals better understand the background information of these seals.
However, there is a lack of training data and labelled images, as samples of
some seals are scarce and most of them are degraded images. It is necessary to
find new ways to make full use of such scarce data. While these data are
available online, they do not contain information on the characters'position.
The goal of this research is to provide retrieval tools assist in obtaining
more information from Asian collector's seals imprints without consuming a lot
of computational resources. In this paper, a character segmentation method is
proposed to predict the candidate characters'area without any labelled training
data that contain character coordinate information. A retrieval-based
recognition system that focuses on a single character is also proposed to
support seal retrieval and matching. The experimental results demonstrate that
the proposed character segmentation method performs well on Asian collector's
seals, with 92% of the test data being correctly segmented.
- Abstract(参考訳): コレクターのアザラシは、本の所有権に関する重要な手がかりを提供する。
これらは、古代資料の本質的な要素に関する多くの情報を含み、所有の詳細、本との関係、収集者のアイデンティティ、その社会的地位や富などを示す。
アジアの収集家は通常、アザラシを作るために現代のものよりも芸術的な古代の文字を使った。
所有者の名前に加えて、より深い意味を表現するために使われる言葉もいくつかある。
これらの文字を自動的に認識するシステムは、愛好家やプロがアザラシの背景情報を理解するのに役立つ。
しかし、一部のアザラシのサンプルが不足し、ほとんどが劣化した画像であるため、トレーニングデータやラベル付き画像が不足している。
このような少ないデータを完全に利用する新しい方法を見つける必要がある。
これらのデータはオンラインで入手できるが、文字の位置に関する情報は含まれていない。
本研究の目的は,多くの計算資源を消費することなく,アジアのコレクターの印字からより多くの情報を得るための検索ツールを提供することである。
本稿では,文字座標情報を含むラベル付きトレーニングデータなしで,候補文字の領域を予測するための文字分割手法を提案する。
また,アザラシ検索とマッチングを支援するために,単一文字に着目した検索ベース認識システムを提案する。
実験の結果,提案手法はアジアのコレクターのアザラシで良好に動作し,テストデータの92%が正しくセグメンテーションされていることがわかった。
関連論文リスト
- Character Recognition in Byzantine Seals with Deep Neural Networks [4.64295985539118]
本研究は,ビザンチン封印画像のテキストの自動読解に向けた最初の試みである。
ビザンティンのアザラシは一般的に横面の図像と裏面のギリシア文字で装飾されている。
論文 参考訳(メタデータ) (2024-01-19T14:59:26Z) - Leveraging Open-Vocabulary Diffusion to Camouflaged Instance
Segmentation [59.78520153338878]
テキスト・ツー・イメージ拡散技術は、テキスト記述から高品質な画像を生成する素晴らしい能力を示している。
そこで本研究では,オープン語彙を応用した最先端拡散モデルを用いて,多スケールのテキスト・視覚的特徴を学習する手法を提案する。
論文 参考訳(メタデータ) (2023-12-29T07:59:07Z) - Stellar: Systematic Evaluation of Human-Centric Personalized
Text-to-Image Methods [52.806258774051216]
我々は,個々のイメージを入力し,生成プロセスの基盤となるテキストと,所望の視覚的コンテキストを記述したテキストに焦点をあてる。
我々は,既存の関連するデータセットよりも桁違いの大きさの個人画像と,リッチなセマンティックな接地真実アノテーションが容易に利用できるパーソナライズされたプロンプトを含む標準化データセット(Stellar)を紹介した。
被験者ごとにテストタイムの微調整を必要とせず,新しいSoTAを定量的かつ人為的に設定した,シンプルで効率的でパーソナライズされたテキスト・ツー・イメージのベースラインを導出する。
論文 参考訳(メタデータ) (2023-12-11T04:47:39Z) - Exploring Fine-Grained Representation and Recomposition for
Cloth-Changing Person Re-Identification [85.41212650837704]
補助情報のない2つの制限に対処するために,新しいFIne-fine Representation and Recomposition (FIRe$2$) フレームワークを提案する。
FIRe$2$は、広く使われている5つのRe-IDベンチマークで最先端のパフォーマンスを実現することができる。
論文 参考訳(メタデータ) (2023-08-21T12:59:48Z) - Learning Transferable Pedestrian Representation from Multimodal
Information Supervision [174.5150760804929]
VAL-PATは、移動可能な表現を学習し、様々な歩行者分析タスクをマルチモーダル情報で強化する新しいフレームワークである。
まず、LUPerson-TAデータセットで事前トレーニングを行い、各画像にはテキストと属性アノテーションが含まれている。
次に、学習した表現を、人物のreID、人物属性認識、テキストベースの人物検索など、さまざまな下流タスクに転送する。
論文 参考訳(メタデータ) (2023-04-12T01:20:58Z) - Improving Scene Text Recognition for Character-Level Long-Tailed
Distribution [35.14058653707104]
本稿では,2つの専門家を用いた新しい文脈認識フリーエキスパートネットワーク(CAFE-Net)を提案する。
CAFE-Netは多数の文字を含む言語でのSTR性能を改善する。
論文 参考訳(メタデータ) (2023-03-31T06:11:33Z) - SealID: Saimaa ringed seal re-identification dataset [0.10555513406636087]
サイマーリングアザラシ(フィンランド語: Pusa hispida saimensis)は、フィンランドのサイマー湖で発見された絶滅危惧種である。
サイマーリングシール画像(SealID)データセット(N=57)を研究目的で公開しています。
論文 参考訳(メタデータ) (2022-06-05T20:35:32Z) - Summarization with Graphical Elements [55.5913491389047]
本稿では,グラフィカル要素による要約という新しい課題を提案する。
タスクの研究を支援するために,高品質なラベル付きデータセットを収集する。
論文 参考訳(メタデータ) (2022-04-15T17:16:41Z) - Knowledge Mining with Scene Text for Fine-Grained Recognition [53.74297368412834]
本研究では,シーンテキスト画像の背景にある暗黙的な文脈知識をマイニングする,エンドツーエンドのトレーニング可能なネットワークを提案する。
我々は,KnowBertを用いて意味表現の関連知識を検索し,それを画像特徴と組み合わせ,きめ細かい分類を行う。
本手法は,3.72%のmAPと5.39%のmAPをそれぞれ上回っている。
論文 参考訳(メタデータ) (2022-03-27T05:54:00Z) - Predicting the Ordering of Characters in Japanese Historical Documents [6.82324732276004]
1900年(明治33年)の日本書記制度の変遷により、歴史文書は一般には入手できないものとなった。
キャラクタの逐次順序を予測するタスクに対するいくつかのアプローチについて検討する。
私たちのベストパフォーマンスシステムは98.65%の精度で、データセットの書籍の49%で完璧に正確です。
論文 参考訳(メタデータ) (2021-06-12T14:39:20Z) - Recognizing Characters in Art History Using Deep Learning [20.33359041243155]
本稿では,美術史における文字認識の問題に焦点をあてる。
我々は、類似したスタイルでより多くのデータを生成し、類似したドメインで効果的にデータを生成する新しい手法を導入する。
ドメイン関連データに基づいてトレーニングされたモデルが,キャラクタ認識に最適な性能を示すことを示す。
論文 参考訳(メタデータ) (2020-03-31T13:15:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。