Fugu-MT 論文翻訳(概要): Quantitative Distortion Analysis of Flattening Applied to the Scroll from En-Gedi

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

Task-driven single-image super-resolution reconstruction of document scans [2.8391355909797644]
文書スキャンから光学的文字認識を改善するために,超解像を前処理ステップとして活用する可能性を検討する。そこで本研究では,単一画像の超解像のための深層ネットワークをタスク駆動方式で訓練し,テキスト検出のための適応性を高めることを提案する。
論文参考訳（メタデータ） (2024-07-12T05:18:26Z)
Ground-A-Score: Scaling Up the Score Distillation for Multi-Attribute Editing [49.419619882284906]
Ground-A-Scoreは、スコア蒸留時のグラウンド処理を取り入れた強力なモデル非依存画像編集法である。新しいペナルティ係数とコントラスト損失を持つ選択的応用は、編集領域を正確にターゲットするのに役立つ。質的評価と定量的分析の両方で、Ground-A-Scoreは拡張および多面的プロンプトの複雑な詳細に順応することを確認した。
論文参考訳（メタデータ） (2024-03-20T12:40:32Z)
Exploring Precision and Recall to assess the quality and diversity of LLMs [82.21278402856079]
我々はtextscLlama-2 や textscMistral のような大規模言語モデル (LLM) のための新しい評価フレームワークを提案する。このアプローチにより、コーパスの整合を必要とせず、生成したテキストの品質と多様性を微妙に評価できる。
論文参考訳（メタデータ） (2024-02-16T13:53:26Z)
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)
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)
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。