論文の概要: Rejoining fragmented ancient bamboo slips with physics-driven deep learning

• arxiv url: http://arxiv.org/abs/2505.08601v1
• Date: Tue, 13 May 2025 14:16:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.604689
• Title: Rejoining fragmented ancient bamboo slips with physics-driven deep learning
• Title（参考訳）: 物理駆動深層学習による断片化古代竹すべりの再接合
• Authors: Jinchi Zhu, Zhou Zhao, Hailong Lei, Xiaoguang Wang, Jialiang Lu, Jing Li, Qianqian Tang, Jiachen Shen, Gui-Song Xia, Bo Du, Yongchao Xu,
• Abstract要約: WisePandaは物理駆動の深層学習フレームワークで、断片化した竹のスリップに再結合するよう設計されている。 破壊と材料劣化の物理に基づいて、WisePandaは自動的に合成トレーニングデータを生成する。 WisePandaを使った考古学者は、大幅な効率改善を経験している。
• 参考スコア（独自算出の注目度）: 77.2197174265539
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bamboo slips are a crucial medium for recording ancient civilizations in East Asia, and offers invaluable archaeological insights for reconstructing the Silk Road, studying material culture exchanges, and global history. However, many excavated bamboo slips have been fragmented into thousands of irregular pieces, making their rejoining a vital yet challenging step for understanding their content. Here we introduce WisePanda, a physics-driven deep learning framework designed to rejoin fragmented bamboo slips. Based on the physics of fracture and material deterioration, WisePanda automatically generates synthetic training data that captures the physical properties of bamboo fragmentations. This approach enables the training of a matching network without requiring manually paired samples, providing ranked suggestions to facilitate the rejoining process. Compared to the leading curve matching method, WisePanda increases Top-50 matching accuracy from 36\% to 52\%. Archaeologists using WisePanda have experienced substantial efficiency improvements (approximately 20 times faster) when rejoining fragmented bamboo slips. This research demonstrates that incorporating physical principles into deep learning models can significantly enhance their performance, transforming how archaeologists restore and study fragmented artifacts. WisePanda provides a new paradigm for addressing data scarcity in ancient artifact restoration through physics-driven machine learning.
• Abstract（参考訳）: 竹の滑りは東アジアの古代文明を記録するための重要な媒体であり、シルクロードの再建、材料文化の交流、世界史の研究に貴重な考古学的知見を提供する。 しかし、発掘された竹のすべりは何千もの不規則な破片に断片化され、その内容を理解する上では、再結合は極めて困難なステップとなっている。 ここではWisePandaという物理駆動のディープラーニングフレームワークを紹介します。 WisePandaは、破壊と材料劣化の物理に基づいて、竹の破片の物理的特性をキャプチャする合成トレーニングデータを自動的に生成する。 このアプローチは、手動でペアリングされたサンプルを必要とせずにマッチングネットワークのトレーニングを可能にし、再結合プロセスを容易にするためにランク付けされた提案を提供する。 先行する曲線マッチング法と比較して、WisePandaはTop-50マッチングの精度を36\%から52\%に向上させる。 WisePandaを使った考古学者は、断片化した竹のすべりを再結合する際に、相当な効率改善(約20倍高速)を経験している。 この研究は、物理原理を深層学習モデルに組み込むことで、考古学者が断片化された遺物を復元し研究する方法を変革し、その性能を著しく向上させることを実証している。 WisePandaは、物理駆動機械学習による古代のアーティファクト復元におけるデータの不足に対処する新しいパラダイムを提供する。

関連論文リスト

• Advanced Deep Learning Approaches for Automated Recognition of Cuneiform Symbols [0.3749861135832073]
  5つの異なるディープラーニングモデルが、キュニフォーム文字の包括的データセットに基づいて訓練された。 2つのモデルが優れた性能を示し、その後、ハンムラビ法取得のキュニフォームシンボルを用いて評価された。 各モデルは、記号の関連するアッカディアンの意味を効果的に認識し、正確な英訳を提供した。
  論文  参考訳（メタデータ） (2025-05-07T12:05:23Z)
• Mambular: A Sequential Model for Tabular Deep Learning [0.7184556517162347]
  本稿では,グラフデータに対する自己回帰状態空間モデルの利用について検討する。 既存のベンチマークモデルと比較する。 その結果,特徴をシーケンスとして解釈して処理することで,大幅な性能向上が期待できることがわかった。
  論文  参考訳（メタデータ） (2024-08-12T16:57:57Z)
• Restoring Ancient Ideograph: A Multimodal Multitask Neural Network Approach [11.263700269889654]
  本稿では,古文書を復元する新しいマルチモーダルマルチタスク復元モデル(MMRM)を提案する。 文脈理解と、損傷した古代の遺物からの残余の視覚情報を組み合わせることで、損傷した文字を予測し、同時に復元された画像を生成する。
  論文  参考訳（メタデータ） (2024-03-11T12:57:28Z)
• PatchRD: Detail-Preserving Shape Completion by Learning Patch Retrieval and Deformation [59.70430570779819]
  本稿では,3次元形状の欠落領域の幾何学的詳細化に焦点を当てたデータ駆動型形状補完手法を提案する。 私たちの重要な洞察は、部分的な入力から完全な欠落したリージョンへのパッチのコピーとデフォームです。 部分的な入力からパッチを抽出することで繰り返しパターンを活用し、ニューラルネットワークを用いてグローバルな構造的先行点を学習し、検索と変形の手順を導出する。
  論文  参考訳（メタデータ） (2022-07-24T18:59:09Z)
• Unsupervised Structure-Texture Separation Network for Oracle Character Recognition [70.29024469395608]
  オラクルの骨書は上海王朝の中国最古の書記体系であり、考古学や文献学に重要視されている。 そこで本稿では, 連関, 変換, 適応, 認識のためのエンドツーエンド学習フレームワークである構造テクスチャ分離ネットワーク(STSN)を提案する。
  論文  参考訳（メタデータ） (2022-05-13T10:27:02Z)
• Is Deep Image Prior in Need of a Good Education? [57.3399060347311]
  画像再構成に有効な先行画像として, 奥行き画像が導入された。 その印象的な再建性にもかかわらず、学習技術や伝統的な再建技術と比べてアプローチは遅い。 計算課題に対処する2段階の学習パラダイムを開発する。
  論文  参考訳（メタデータ） (2021-11-23T15:08:26Z)
• Skeletal Feature Compensation for Imitation Learning with Embodiment Mismatch [51.03498820458658]
  SILEMは,学習者や専門家から得られた骨格的特徴の違いを補う模倣学習手法である。 我々は、PyBulletのHalfCheetahとAntに基づいておもちゃのドメインを作成し、SILEMのこの種のエンボディメントミスマッチに対する利点を評価する。 また、より現実的な問題について定性的かつ定量的な結果を提供します。人間のデモンストレーションを観察して歩くために、シミュレーションされたヒューマノイドエージェントを教えます。
  論文  参考訳（メタデータ） (2021-04-15T22:50:48Z)
• Learning compositional functions via multiplicative weight updates [97.9457834009578]
  乗算重み更新は構成関数に合わせた降下補題を満たすことを示す。 マダムは、学習率のチューニングなしに、最先端のニューラルネットワークアーキテクチャをトレーニングできることを示す。
  論文  参考訳（メタデータ） (2020-06-25T17:05:19Z)
• Restoration of Fragmentary Babylonian Texts Using Recurrent Neural Networks [14.024892678242379]
  古代メソポタミアの歴史と文化に関する主要な情報源は粘土の土器である。 貴重なリソースであるにもかかわらず、多くのタブレットは断片化され、情報が不足している。 本研究では,Achaemenid 時代バビロニアの古代アッカド語のテキストを,繰り返しニューラルネットワークを用いて言語をモデル化することにより,研究者を支援する可能性について検討する。
  論文  参考訳（メタデータ） (2020-03-04T06:36:50Z)
• On Iterative Neural Network Pruning, Reinitialization, and the Similarity of Masks [0.913755431537592]
  我々は, 共通の反復的打ち込み手法を用いて, 打ち抜きモデルの接続構造と学習力学の相違を解析した。 重量安定性はアポサイトプルーニング技術によって自動的に達成できるという実証的証拠を示す。
  論文  参考訳（メタデータ） (2020-01-14T21:11:19Z)

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。