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
- BookWorm: A Dataset for Character Description and Analysis [59.186325346763184]
本稿では,短い事実プロファイルを生成する文字記述と,詳細な解釈を提供する文字解析という2つのタスクを定義する。
本稿では,Gutenbergプロジェクトからの書籍と,人間による記述と分析のペアリングを行うBookWormデータセットを紹介する。
その結果,検索に基づくアプローチは両タスクにおいて階層的アプローチよりも優れていた。
論文 参考訳（メタデータ） (2024-10-14T10:55:58Z) - Tails Tell Tales: Chapter-Wide Manga Transcriptions with Character Names [53.24414727354768]
本論文は,マンガ全章の対話書き起こしを完全自動生成することを目的とする。
i) 言っていることを識別し、各ページのテキストを検出し、それらが本質的か非本質的かに分類する。
また、章を通して同じ文字が一貫した名前で呼ばれることも保証している。
論文 参考訳（メタデータ） (2024-08-01T05:47:04Z) - CHIRON: Rich Character Representations in Long-Form Narratives [98.273323001781]
文字のテキスト情報を整理・フィルタリングする新しい文字シートの表現であるCHIRONを提案する。
実験の結果,CHIRONは類似の要約に基づくベースラインよりも優れ,柔軟であることが判明した。
CHIRONから派生したメトリクスは、ストーリーのキャラクター中心性を自動的に推測するために使用することができ、これらのメトリクスは人間の判断と一致している。
論文 参考訳（メタデータ） (2024-06-14T17:23:57Z) - Evolving Storytelling: Benchmarks and Methods for New Character Customization with Diffusion Models [79.21968152209193]
ニューエピソード・ベンチマークを導入し、新しいキャラクターで新しいストーリーを生成する際の生成モデルの適応性を評価する。
EpicEvoは,新しいキャラクタをシームレスに統合した単一ストーリーで,拡散に基づくビジュアルストーリー生成モデルをカスタマイズする手法である。
論文 参考訳（メタデータ） (2024-05-20T07:54:03Z) - 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) - 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 [78.52704557647438]
補助的なアノテーションやデータなしに両方の制約に対処するために,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) - VGTS: Visually Guided Text Spotting for Novel Categories in Historical Manuscripts [26.09365732823049]
本稿では,1つの注釈付きサポートサンプルを用いて,新しい文字を正確に検出するビジュアルガイドテキストスポッティング(VGTS)手法を提案する。
DSAブロックは、人間の視覚的スポッティングプロセスを模倣して、サポート画像とクエリ画像における識別的空間領域を特定し、焦点を合わせ、学習することを目的としている。
低リソーススポッティングタスクにおける例不均衡問題に対処するため,距離メトリック学習のための埋め込み空間の識別力を高める新しいトーラス損失関数を開発した。
論文 参考訳（メタデータ） (2023-04-03T06:40:52Z) - 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) - 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。