論文の概要: Quantitative Distortion Analysis of Flattening Applied to the Scroll
from En-Gedi
- arxiv url: http://arxiv.org/abs/2007.15551v1
- Date: Thu, 30 Jul 2020 15:55:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 15:00:11.956645
- Title: Quantitative Distortion Analysis of Flattening Applied to the Scroll
from En-Gedi
- Title(参考訳): En-Gedi のスクロールに応用したフラッテニングの定量的歪み解析
- Authors: Clifford Seth Parker, William Brent Seales, Pnina Shor
- Abstract要約: ソフトウェアは、損傷したアーティファクトから大量のインクベースのテキストを復元することを可能にする。
出力品質を最大化するために、パイプラインの各ステージで特定のアルゴリズムとパラメータを選択する必要がある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Non-invasive volumetric imaging can now capture the internal structure and
detailed evidence of ink-based writing from within the confines of damaged and
deteriorated manuscripts that cannot be physically opened. As demonstrated
recently on the En-Gedi scroll, our "virtual unwrapping" software pipeline
enables the recovery of substantial ink-based text from damaged artifacts at a
quality high enough for serious critical textual analysis. However, the quality
of the resulting images is defined by the subjective evaluation of scholars,
and a choice of specific algorithms and parameters must be available at each
stage in the pipeline in order to maximize the output quality.
- Abstract(参考訳): 非侵襲的なボリュームイメージングは、物理的に開けられない損傷および劣化した原稿の封筒内から、インクベースの筆跡の内部構造と詳細な証拠を捉えることができる。
最近en-gediスクロールで実証されたように、私たちの"virtual unwrapping"ソフトウェアパイプラインは、損傷したアーティファクトから実質的なインクベースのテキストを、深刻な批判的なテキスト分析に十分高い品質で回復することができる。
しかし、得られた画像の品質は研究者の主観評価によって定義され、出力品質を最大化するためにパイプラインの各段階で特定のアルゴリズムとパラメータを選択する必要がある。
関連論文リスト
- Learned Image Compression with Text Quality Enhancement [14.105456271662328]
本稿では,オリジナル画像と再構成画像間のテキストの相違を定量化するために設計された,新たなテキストロジット損失を最小限に抑えることを提案する。
提案した損失関数を適切な重み付けと組み合わせることで,再構成テキストの品質が著しく向上することを発見した。
論文 参考訳(メタデータ) (2024-02-13T18:20:04Z) - Self-supervised Deep Hyperspectral Inpainting with the Sparsity and
Low-Rank Considerations [7.777433987363129]
ハイパースペクトル画像は様々なノイズ、歪み、データ損失の影響を受けやすい。
ハイパインティングアルゴリズムに2つの新しい自己教師付き画像(HSI)を導入する。
我々は,アルゴリズムの収束を保証する軽微な仮定の下で安定性解析を行う。
論文 参考訳(メタデータ) (2023-06-13T20:49:02Z) - Transformer-Based UNet with Multi-Headed Cross-Attention Skip
Connections to Eliminate Artifacts in Scanned Documents [0.0]
Swin Transformerのバックボーンを使用したUNet構造の変更を行い、スキャンされたドキュメントの典型的なアーティファクトを削除する。
合成データのエラー率を最大53.9%削減したテキスト抽出品質の改善をアーカイブする。
論文 参考訳(メタデータ) (2023-06-05T12:12:23Z) - Deep Unrestricted Document Image Rectification [110.61517455253308]
文書画像修正のための新しい統合フレームワークDocTr++を提案する。
我々は,階層型エンコーダデコーダ構造を多スケール表現抽出・解析に適用することにより,元のアーキテクチャをアップグレードする。
実際のテストセットとメトリクスをコントリビュートして、修正品質を評価します。
論文 参考訳(メタデータ) (2023-04-18T08:00:54Z) - Scene Text Image Super-Resolution via Content Perceptual Loss and
Criss-Cross Transformer Blocks [48.81850740907517]
テキスト対応のテキスト・スーパー・リゾリューション・フレームワークであるTATSRについて述べる。
Criss-Cross Transformer Blocks (CCTBs) と新しい Content Perceptual (CP) Loss を用いて、ユニークなテキスト特性を効果的に学習する。
認識精度と人間の知覚の両方の観点から、最先端の手法よりも優れています。
論文 参考訳(メタデータ) (2022-10-13T11:48:45Z) - Boosting Modern and Historical Handwritten Text Recognition with
Deformable Convolutions [52.250269529057014]
自由進化ページにおける手書き文字認識(HTR)は難しい画像理解課題である。
本稿では,手入力に応じて変形し,テキストの幾何学的変化に適応できる変形可能な畳み込みを導入することを提案する。
論文 参考訳(メタデータ) (2022-08-17T06:55:54Z) - Revisiting Document Image Dewarping by Grid Regularization [41.87305384805975]
本稿では,文書画像のデウォープの問題に対処する。
制約のある最適化の観点から、テキスト行とドキュメント境界を考慮に入れます。
提案手法は,テキスト行の境界点と画素をまず学習する。
論文 参考訳(メタデータ) (2022-03-31T07:18:30Z) - Fourier Document Restoration for Robust Document Dewarping and
Recognition [73.44057202891011]
本稿では、異なる歪みで文書を復元できるフーリエ文書復元ネットワークであるFDRNetについて述べる。
ドキュメントをフレキシブルなThin-Plate Spline変換でデワープし、トレーニング時に変形アノテーションを必要とせずに、様々な変形を効果的に処理できる。
これは、デウォープとテキスト認識の両方のタスクにおいて、最先端の技術をはるかに上回る。
論文 参考訳(メタデータ) (2022-03-18T12:39:31Z) - Robust Depth Completion with Uncertainty-Driven Loss Functions [60.9237639890582]
本研究では,不確実性による損失関数を導入し,深度補修の堅牢性を改善し,深度補修の不確実性に対処する。
提案手法は,KITTI深度評価ベンチマークでテストされ,MAE, IMAE, IRMSEの計測値を用いて最先端のロバスト性性能を達成した。
論文 参考訳(メタデータ) (2021-12-15T05:22:34Z) - Blind Face Restoration via Deep Multi-scale Component Dictionaries [75.02640809505277]
劣化した観測の復元過程をガイドするディープフェイス辞書ネットワーク(DFDNet)を提案する。
DFDNetは高品質な画像から知覚的に重要な顔成分のディープ辞書を生成する。
コンポーネントAdaINは、入力機能と辞書機能の間のスタイルの多様性を取り除くために利用される。
論文 参考訳(メタデータ) (2020-08-02T07:02:07Z) - Multistage Curvilinear Coordinate Transform Based Document Image
Dewarping using a Novel Quality Estimator [11.342730352935913]
本研究は,非線形に歪んだ文書画像のデウォープを高速化し,改良した手法を示す。
画像は、カービ線形ホモグラフィーを用いて最適逆投影を推定することにより、まずページレベルでデワープされる。
プロセスの品質は、テキスト行とリチリニアオブジェクトの特性に関連する一連のメトリクスを評価することによって推定される。
品質が不満足であると推定された場合、ページレベルのデウォーププロセスはより微細な近似で繰り返される。
これに続いて行レベルのデワープ処理が行われ、個々のテキスト行でワープを細かく修正する。
論文 参考訳(メタデータ) (2020-03-15T17:17:53Z)
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。