Fugu-MT 論文翻訳(概要): Deciphering scrolls with tomography: A training experiment

論文の概要: Deciphering scrolls with tomography: A training experiment

arxiv url: http://arxiv.org/abs/2504.11485v1
Date: Mon, 14 Apr 2025 07:20:21 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-17 14:38:50.790515
Title: Deciphering scrolls with tomography: A training experiment
Title（参考訳）: トモグラフィによるスクロールの解読:トレーニング実験
Authors: Sonia Foschiatti, Axel Kittenberger, Otmar Scherzer,
Abstract要約: 本稿では,古代美術品の獲得とバーチャルリカバリの過程をシミュレートする教育実験室を提案する。我々は, 可視光を使って有害なX線を代替する実験装置を開発し, 学生がプリントされたテキストで巻いたシートを仮想的に再構築できる, 実用的ソフトウェアパイプラインを開発した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The recovery of severely damaged ancient written documents has proven to be a major challenge for many scientists, mainly due to the impracticality of physical unwrapping them. Non-destructive techniques, such as X-ray computed tomography (CT), combined with computer vision algorithms, have emerged as a means of facilitating the virtual reading of the hidden contents of the damaged documents. This paper proposes an educational laboratory aimed at simulating the entire process of acquisition and virtual recovery of the ancient works. We have developed an experimental setup that uses visible light to replace the detrimental X-rays, and a didactic software pipeline that allows students to virtually reconstruct a transparent rolled sheet with printed text on it, the wrapped scroll.
Abstract（参考訳）: 重傷を負った古代文書の復元は、多くの科学者にとって大きな課題となった。 X線CT(Computerd Tomography)やコンピュータビジョンアルゴリズムなどの非破壊的手法が、損傷した文書の隠された内容の仮想読解を容易にする手段として登場した。本稿では,古代美術品の獲得とバーチャルリカバリの過程をシミュレートする教育実験室を提案する。我々は, 可視光を利用して有害なX線を置き換える実験装置を開発し, 学生が紙巻紙を印刷した透明なロールシートを実質的に再構築できる, 実用的ソフトウェアパイプラインを開発した。

関連論文リスト

Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文参考訳（メタデータ） (2023-10-09T10:22:08Z)
Volumetric Fast Fourier Convolution for Detecting Ink on the Carbonized Herculaneum Papyri [23.090618261864886]
本稿では、ボリュームデータに対するFast Fourier Convolution演算子の修正を提案し、Herculaneum papyri上のインク検出のためのセグメンテーションアーキテクチャに適用する。この課題と,提案した演算子のボリュームデータを含む他のタスクへの適用を奨励するため,実装をリリースする。
論文参考訳（メタデータ） (2023-08-09T17:00:43Z)
DocMAE: Document Image Rectification via Self-supervised Representation Learning [144.44748607192147]
文書画像修正のための新しい自己教師型フレームワークDocMAEを提案する。まず、背景を除いた文書画像のランダムなパッチをマスクし、欠落したピクセルを再構成する。このような自己教師型学習手法により、ネットワークは変形文書の本質的な構造を学習することが奨励される。
論文参考訳（メタデータ） (2023-04-20T14:27:15Z)
EduceLab-Scrolls: Verifiable Recovery of Text from Herculaneum Papyri using X-ray CT [0.0]
X線CT画像を用いたHerculaneum papyriの隠れテキストを明らかにするための完全なソフトウェアパイプラインを提案する。 EduceLab-Scrollsは、この問題に関する20年間の研究成果を表す包括的オープンデータセットである。
論文参考訳（メタデータ） (2023-04-04T19:28:51Z)
ShabbyPages: A Reproducible Document Denoising and Binarization Dataset [59.457999432618614]
ShabbyPagesは新しいドキュメントイメージデータセットである。本稿では,ShabbyPagesの作成プロセスについて議論し,人間の知覚力の高い実雑音の特徴を除去する畳み込みデノイザの訓練によるShabbyPagesの有用性を実証する。
論文参考訳（メタデータ） (2023-03-16T14:19:50Z)
Batch-based Model Registration for Fast 3D Sherd Reconstruction [74.55975819488404]
3次元復元技術は、考古学的断片のデジタル文書化に広く用いられている。考古学遺跡から出土した断片の効率的なデジタル化のための携帯型,高スループット,高精度な復元システムを開発することを目的としている。フラグメントの前後をペアリングするバッチベースの新しいマッチングアルゴリズムと,非常に狭い重複領域を共有する部分スキャンを登録できるバイラテラル境界ICPアルゴリズムを開発した。
論文参考訳（メタデータ） (2022-11-13T13:08:59Z)
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)
A Survey on Deep learning based Document Image Enhancement [5.279475826661643]
現在では、科学論文、税形式、請求書、契約書、歴史文書などのデジタル化された文書が広く使われている。これらの画像は、撮影時の照明条件の悪さ、スキャン中の影、ノイズやぼやけなどの歪み、老朽化、インクの汚れ、通気、透かし、切手など、様々な理由で劣化または損傷する可能性がある。近年のディープラーニングの進歩により,これらの文書画像の品質向上のために,多くの手法が提案されている。
論文参考訳（メタデータ） (2021-12-06T00:24:50Z)
DocScanner: Robust Document Image Rectification with Progressive Learning [162.03694280524084]
この研究はDocScannerという、文書画像の修正のための新しいディープネットワークアーキテクチャを提示する。 DocScannerは、修正されたイメージの1つの見積を維持し、再帰的なアーキテクチャで徐々に修正される。反復的な改善によりDocScannerは堅牢で優れたパフォーマンスに収束し、軽量なリカレントアーキテクチャにより実行効率が保証される。
論文参考訳（メタデータ） (2021-10-28T09:15:02Z)
Deep Learning in Photoacoustic Tomography: Current approaches and future directions [2.631277214890658]
光音響トモグラフィーは、光吸収に基づく高解像度3次元軟組織像を提供することができる。高速画像形成の必要性とデータ取得の実践的制約が新たなイメージ再構築の課題を呈している。ディープ・ラーニング(ディープ・ニューラルネットワーク)やディープ・ニューラル・ネットワーク(ディープ・ニューラル・ネットワーク)がこの問題に多くの注目を集めている。
論文参考訳（メタデータ） (2020-09-16T11:33:29Z)

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。