論文の概要: Animated Territorial Data Extractor (ATDE): A Computer-Vision Method for Extracting Territorial Data from Animated Historical Maps

• arxiv url: http://arxiv.org/abs/2511.17920v1
• Date: Sat, 22 Nov 2025 05:19:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.51427
• Title: Animated Territorial Data Extractor (ATDE): A Computer-Vision Method for Extracting Territorial Data from Animated Historical Maps
• Title（参考訳）: Animated Territorial Data Extractor (ATDE) : Animated Historical Map から Territorial Data を抽出するコンピュータビジョン手法
• Authors: Hamza Alshamy, Isaiah Woram, Advay Mishra, Zihan Xia, Pascal Wallisch,
• Abstract要約: 本稿では,アニメーション歴史地図から量的領域データを抽出するコンピュータビジョンツールであるAnimated Territorial Data Extractor (ATDE)を提案する。 ATDEは、HSVベースのカラーセグメンテーション、RGBチャネルフィルタリング、およびDirect-Neighbor Filteringを使用して、領域制御を表すピクセルを特定し、カウントする。 われわれはこのツールを中国10王朝(紀元前200年～1912年)で実証し、予想される歴史的パターンに合わせた年々の画素数を生成する。
• 参考スコア（独自算出の注目度）: 0.9514837871243401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Animated Territorial Data Extractor (ATDE), a computer vision tool that extracts quantitative territorial data from animated historical map videos. ATDE employs HSV-based color segmentation, RGB channel filtering, and Direct-Neighbor Filtering to identify and count pixels representing territorial control. Combined with preprocessing for temporal alignment and cross-video scaling, the pipeline converts animated videos into structured time-series data. We demonstrate the tool on ten Chinese dynasties (200 BCE - 1912 CE), producing year-by-year pixel counts that align with expected historical patterns. While not a substitute for authoritative historical datasets, ATDE is well-suited for educational demonstrations, preliminary data exploration, and comparative analysis of territorial dynamics. The tool requires no pre-existing shapefiles and can be applied to any animated map video given seed colors and basic configuration. Code and examples are available on GitHub.
• Abstract（参考訳）: 本稿では,アニメーション歴史地図から量的領域データを抽出するコンピュータビジョンツールであるAnimated Territorial Data Extractor (ATDE)を提案する。 ATDEは、HSVベースのカラーセグメンテーション、RGBチャネルフィルタリング、およびDirect-Neighbor Filteringを使用して、領域制御を表すピクセルを特定し、カウントする。 時間的アライメントとクロスビデオスケーリングのための前処理と組み合わせて、パイプラインはアニメーションビデオを構造化された時系列データに変換する。 われわれはこのツールを中国10王朝(紀元前200年～1912年)で実証し、予想される歴史的パターンに合わせた年々の画素数を生成する。 権威ある歴史的データセットの代わりにはならないが、ATDEは教育的なデモンストレーション、予備的なデータ探索、および領域力学の比較分析に適している。 このツールは、既存のシェープファイルは必要とせず、シード色と基本的な構成のアニメーションマップビデオにも適用できる。 コードと例はGitHubで公開されている。

関連論文リスト

• MapSAM2: Adapting SAM2 for Automatic Segmentation of Historical Map Images and Time Series [20.190148795374153]
  歴史的地図画像と時系列の両方を自動的に分割する統合フレームワークであるMapSAM2を提案する。 画像の場合、タイルの集合をビデオとして処理し、メモリアテンション機構により、同様のタイルからコンテキストキューを組み込むことができる。 時系列に関して、アノテーションコストを低減するため、アノテーション付きSiegfried Building Time Seriesデータセットを導入します。
  論文  参考訳（メタデータ） (2025-10-31T15:25:40Z)
• Self-supervised Video Instance Segmentation Can Boost Geographic Entity Alignment in Historical Maps [16.35356981558991]
  ビデオ・インスタンス・セグメンテーション(VIS)を用いた歴史的地図における地理的実体のセグメンテーションとアソシエーションを組み合わせた新しいアプローチを提案する。 この課題を軽減するために,歴史地図上でのVIS性能を向上させる自己教師付き学習(SSL)技術について検討する。
  論文  参考訳（メタデータ） (2024-11-26T13:31:51Z)
• HAVANA: Hierarchical stochastic neighbor embedding for Accelerated Video ANnotAtions [59.71751978599567]
  本稿では,時間的ビデオアノテーションプロセスの高速化のために,事前抽出した特徴量と次元減少量を用いた新しいアノテーションパイプラインを提案する。 従来のリニア手法と比較して,アノテーションの取り組みが大幅に改善され,12時間以上のビデオのアノテートに要するクリック数が10倍以上に短縮された。
  論文  参考訳（メタデータ） (2024-09-16T18:15:38Z)
• PointOdyssey: A Large-Scale Synthetic Dataset for Long-Term Point Tracking [90.29143475328506]
  本稿では,大規模合成データセットとデータ生成フレームワークであるPointOdysseyを紹介する。 私たちのゴールは、自然主義的な動きを持つ長いビデオに重点を置いて、最先端の技術を推し進めることです。 実世界のモーションキャプチャーデータを用いて変形可能なキャラクタをアニメーション化し、モーションキャプチャー環境に合わせて3Dシーンを構築し、リアルビデオ上で構造から抽出したトラジェクトリを用いてカメラ視点を描画する。
  論文  参考訳（メタデータ） (2023-07-27T17:58:11Z)
• Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
  テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。 各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。 TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
  論文  参考訳（メタデータ） (2023-07-03T13:58:20Z)
• Generic Event Boundary Detection in Video with Pyramid Features [12.896848011230523]
  ジェネリックイベントバウンダリ検出(GEBD)は、人間が自然にイベントバウンダリを知覚する幅広い多様なアクションセットで、ビデオをチャンクに分割することを目的としている。 本稿では,隣接するフレームとピラミッド特徴写像の空間次元と時間次元の相関を考察する。
  論文  参考訳（メタデータ） (2023-01-11T03:29:27Z)
• Shot boundary detection method based on a new extensive dataset and mixed features [68.8204255655161]
  ビデオにおけるショット境界検出は、ビデオデータ処理の重要な段階の1つである。 カラーヒストグラムや物体境界などの映像特徴に基づくショット境界検出法が提案されている。
  論文  参考訳（メタデータ） (2021-09-02T16:19:24Z)
• Combining Deep Learning and Mathematical Morphology for Historical Map Segmentation [22.050293193182238]
  主要なマップ機能は、その後のテーマ分析の時間を通して検索および追跡することができる。 この研究の目的は、ベクトル化のステップ、すなわち、地図の画像から興味のある対象のベクトル形状を抽出することである。 特に,建物,建物ブロック,庭園,河川などのクローズドな形状検出に関心がある。 時間的進化を監視するためです
  論文  参考訳（メタデータ） (2021-01-06T17:24:57Z)
• Self-supervised Video Representation Learning by Uncovering Spatio-temporal Statistics [74.6968179473212]
  本稿では,自己指導型学習問題に対処する新しい前提課題を提案する。 最大運動の空間的位置や支配的な方向など,分割的・時間的統計的な要約を連続して計算する。 ビデオフレームを入力として与えられた統計的要約を得るために、ニューラルネットワークを構築して訓練する。
  論文  参考訳（メタデータ） (2020-08-31T08:31:56Z)
• Video Panoptic Segmentation [117.08520543864054]
  我々は,ビデオパノプティクスセグメンテーションと呼ばれる,このタスクの新たな拡張手法を提案し,検討する。 この新しいタスクの研究を活性化するために,2種類のビデオパノプティクスデータセットを提示する。 本稿では,ビデオフレーム内のオブジェクトクラス,バウンディングボックス,マスク,インスタンスID追跡,セマンティックセマンティックセマンティックセマンティックセマンティクスを共同で予測する新しいビデオパノプティックセマンティクスネットワーク(VPSNet)を提案する。
  論文  参考訳（メタデータ） (2020-06-19T19:35:47Z)

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。