論文の概要: MCCD: A Multi-Attribute Chinese Calligraphy Character Dataset Annotated with Script Styles, Dynasties, and Calligraphers

• arxiv url: http://arxiv.org/abs/2507.06948v1
• Date: Wed, 09 Jul 2025 15:31:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.642266
• Title: MCCD: A Multi-Attribute Chinese Calligraphy Character Dataset Annotated with Script Styles, Dynasties, and Calligraphers
• Title（参考訳）: MCCD: スクリプトスタイル, 王朝, 書体を付加した多属性中国語書字データセット
• Authors: Yixin Zhao, Yuyi Zhang, Lianwen Jin,
• Abstract要約: 漢字の書風は、異なる王朝や書家の独特の筆跡を通じて、劇的に進化してきた。 既存の書誌データセットは非常に少なく、ほとんどは文字レベルのアノテーションのみを提供する。 我々は,新しい多属性中国語文字データセット(MCCD)を提案する。 データセットには7,765のカテゴリがあり、合計で329,715の漢字のイメージサンプルがある。
• 参考スコア（独自算出の注目度）: 30.565170610442816
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Research on the attribute information of calligraphy, such as styles, dynasties, and calligraphers, holds significant cultural and historical value. However, the styles of Chinese calligraphy characters have evolved dramatically through different dynasties and the unique touches of calligraphers, making it highly challenging to accurately recognize these different characters and their attributes. Furthermore, existing calligraphic datasets are extremely scarce, and most provide only character-level annotations without additional attribute information. This limitation has significantly hindered the in-depth study of Chinese calligraphy. To fill this gap, we present a novel Multi-Attribute Chinese Calligraphy Character Dataset (MCCD). The dataset encompasses 7,765 categories with a total of 329,715 isolated image samples of Chinese calligraphy characters, and three additional subsets were extracted based on the attribute labeling of the three types of script styles (10 types), dynasties (15 periods) and calligraphers (142 individuals). The rich multi-attribute annotations render MCCD well-suited diverse research tasks, including calligraphic character recognition, writer identification, and evolutionary studies of Chinese characters. We establish benchmark performance through single-task and multi-task recognition experiments across MCCD and all of its subsets. The experimental results demonstrate that the complexity of the stroke structure of the calligraphic characters, and the interplay between their different attributes, leading to a substantial increase in the difficulty of accurate recognition. MCCD not only fills a void in the availability of detailed calligraphy datasets but also provides valuable resources for advancing research in Chinese calligraphy and fostering advancements in multiple fields. The dataset is available at https://github.com/SCUT-DLVCLab/MCCD.
• Abstract（参考訳）: 書風・王朝・書道などの属性情報の研究は、文化的・歴史的に重要な価値を持っている。 しかし、漢字の書風は、異なる王朝や書家の独特な筆跡を通じて劇的に進化し、これらの異なる文字とその属性を正確に認識することは極めて困難である。 さらに、既存の書誌データセットは非常に少なく、ほとんどの場合、属性情報を追加せずに文字レベルのアノテーションのみを提供する。 この制限は中国書道の奥深くの研究を著しく妨げている。 そこで我々は,このギャップを埋めるために,中国語のマルチ属性キャラクタデータセット(MCCD)を提案する。 データセットは7,765のカテゴリを含み、合計329,715の漢字の孤立した画像サンプルを抽出し、3種類の文字形式(10種類)、王朝(15期)、書道家(142名)の属性ラベルから3つのサブセットを抽出した。 リッチな多属性アノテーションは、書字文字認識、作家識別、漢字の進化的研究など、MCCDによく適した様々な研究課題を表現している。 我々は,MCCDとそのサブセット全体にわたるシングルタスクおよびマルチタスク認識実験を通じて,ベンチマーク性能を確立する。 実験結果から,書字文字のストローク構造の複雑さと,それらの属性間の相互作用が,精度の高い認識の難しさを著しく増すことが示された。 MCCDは、詳細な書道データセットの入手の空白を埋めるだけでなく、中国書道の研究を進め、複数の分野の進歩を育むための貴重な資源も提供する。 データセットはhttps://github.com/SCUT-DLVCLab/MCCDで公開されている。

関連論文リスト

• Skeleton and Font Generation Network for Zero-shot Chinese Character Generation [53.08596064763731]
  そこで我々は,より堅牢な漢字フォント生成を実現するために,新しいSkeleton and Font Generation Network (SFGN)を提案する。 ミススペル文字について実験を行い、その大部分は共通文字とわずかに異なる。 提案手法は、生成した画像の有効性を視覚的に実証し、現在最先端のフォント生成方法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-01-14T12:15:49Z)
• Multi-Modal Multi-Granularity Tokenizer for Chu Bamboo Slip Scripts [65.10991154918737]
  本研究は、古代中国の春・秋・戦国時代(紀元前771-256年)に用いられた中竹の文字に焦点を当てたものである。 我々のトークンライザはまず文字検出を採用して文字境界の特定を行い、次に文字レベルとサブキャラクタレベルの両方で文字認識を行う。 学術コミュニティを支援するために,100K以上の注釈付き文字イメージスキャンを備えたCBSの最初の大規模データセットも収集した。
  論文  参考訳（メタデータ） (2024-09-02T07:42:55Z)
• Deep Learning-Driven Approach for Handwritten Chinese Character Classification [0.0]
  手書き文字認識は、機械学習研究者にとって難しい問題である。 多数のユニークな文字クラスが存在するため、ロジカルスクリプトや中韓文字シーケンスのようなデータによっては、HCR問題に新たな複雑さをもたらす。 本稿では、モデルアーキテクチャ、データ前処理ステップ、設計手順のテストを導入し、詳細な文字画像分類のための高度にスケーラブルなアプローチを提案する。
  論文  参考訳（メタデータ） (2024-01-30T15:29:32Z)
• Chinese Text Recognition with A Pre-Trained CLIP-Like Model Through Image-IDS Aligning [61.34060587461462]
  中国語テキスト認識(CTR)のための2段階フレームワークを提案する。 印刷文字画像とIdeographic Description Sequences (IDS) の整列によるCLIP様モデルの事前学習を行う。 この事前学習段階は、漢字を認識する人間をシミュレートし、各文字の標準表現を得る。 学習された表現はCTRモデルを監督するために使用され、従来の単一文字認識はテキストライン認識に改善される。
  論文  参考訳（メタデータ） (2023-09-03T05:33:16Z)
• 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)
• PART: Pre-trained Authorship Representation Transformer [52.623051272843426]
  文書を書く著者は、自分のテキストに識別情報を印字する。 以前の作品では、手作りの機能や分類タスクを使って著者モデルを訓練していた。 セマンティクスの代わりにテキストの埋め込みを学習するために、対照的に訓練されたモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-30T11:08:39Z)
• Letter-level Online Writer Identification [86.13203975836556]
  我々は文字レベルのオンラインライタIDという新たな問題に焦点をあてる。 主な課題は、しばしば異なるスタイルで手紙を書くことである。 我々はこの問題をオンライン書記スタイルのばらつき(Var-O-Styles)と呼ぶ。
  論文  参考訳（メタデータ） (2021-12-06T07:21:53Z)
• Generating More Pertinent Captions by Leveraging Semantics and Style on Multi-Source Datasets [56.018551958004814]
  本稿では,データソースの非一様結合をトレーニングすることで,流動的な記述を生成するタスクに対処する。 ノイズの多い画像とテキストのペアを持つ大規模データセットは、サブ最適の監視源を提供する。 本稿では,検索コンポーネントから抽出したスタイルトークンとキーワードを組み込むことにより,セマンティクスと記述スタイルを活用・分離することを提案する。
  論文  参考訳（メタデータ） (2021-11-24T19:00:05Z)
• ShufaNet: Classification method for calligraphers who have reached the professional level [0.0]
  そこで我々は,中国の書道スタイルを計量学習に基づいて分類する新しい手法,ShufaNetを提案する。 提案手法は,resNetや他の主流CNNを超越した,数ショット学習のためのデータセットの精度を65%向上した。
  論文  参考訳（メタデータ） (2021-11-22T16:55:31Z)
• ZiGAN: Fine-grained Chinese Calligraphy Font Generation via a Few-shot Style Transfer Approach [7.318027179922774]
  ZiGANは、強力なエンドツーエンドの漢字フォント生成フレームワークである。 微粒なターゲットスタイルの文字を生成するために手動操作や冗長な前処理を一切必要としない。 提案手法は,数発の漢字スタイル転送における最先端の一般化能力を有する。
  論文  参考訳（メタデータ） (2021-08-08T09:50:20Z)
• CalliGAN: Style and Structure-aware Chinese Calligraphy Character Generator [6.440233787863018]
  書道(きゅうりょう)とは、筆で行う芸術形式としての漢字の書法である。 近年の研究では、1つのモデルを用いて複数のスタイルのイメージ・ツー・イメージ翻訳によって漢字を生成することができることが示されている。 そこで本研究では,漢字の成分情報をモデルに組み込んだ新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-05-26T03:15:03Z)

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。