論文の概要: Ink Detection from Surface Topography of the Herculaneum Papyri

• arxiv url: http://arxiv.org/abs/2603.27698v1
• Date: Sun, 29 Mar 2026 13:55:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.077835
• Title: Ink Detection from Surface Topography of the Herculaneum Papyri
• Title（参考訳）: Heculaneum Papyriの表面トポグラフィーによるインク検出
• Authors: Giorgio Angelotti, Federica Nicolardi, Paul Henderson, W. Brent Seales,
• Abstract要約: X線ラジオグラフィーやトモグラフィーでは、インク検出は通常密度または組成駆動のコントラストに依存する。 本研究では, 筆記領域の表面形態が, パピルスとインクを区別するのに十分な信号を含んでいることを示す。
• 参考スコア（独自算出の注目度）: 4.240509632893834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reading the Herculaneum papyri is challenging because both the scrolls and the ink, which is carbon-based, are carbonized. In X-ray radiography and tomography, ink detection typically relies on density- or composition-driven contrast, but carbon ink on carbonized papyrus provides little attenuation contrast. Building on the morphological hypothesis, we show that the surface morphology of written regions contains enough signal to distinguish ink from papyrus. To this end, we train machine learning models on three-dimensional optical profilometry from mechanically opened Herculaneum papyri to separate inked and uninked areas. We further quantify how lateral sampling governs learnability and how a native-resolution model behaves on coarsened inputs. We show that high-resolution topography alone contains a usable signal for ink detection. Diminishing segmentation performance with decreasing lateral resolution provides insight into the characteristic spatial scales that must be resolved on our dataset to exploit the morphological signal. These findings inform spatial resolution targets for morphology-based reading of closed scrolls through X-ray tomography.
• Abstract（参考訳）: カーボンベースの巻物とインクの両方が炭素化されているため、Herculaneum papyriを読むことは難しい。 X線ラジオグラフィーやトモグラフィーでは、インク検出は通常密度または組成駆動のコントラストに依存するが、炭素化パピルスの炭素インクは減衰コントラストをほとんど与えない。 形態学仮説に基づいて, 筆記領域の表面形態学は, パピルスとインクを区別するのに十分な信号を含んでいることを示す。 この目的のために、機械的に開いたHerculaneum papyriから3次元光学プロファイロメトリーの機械学習モデルを訓練し、インク領域とインク領域を分離する。 さらに、横方向サンプリングが学習可能性をどのように支配するか、およびネイティブ解像度モデルが粗い入力に対してどのように振る舞うかを定量化する。 本研究では,高分解能トポグラフィーのみにインク検出用信号が含まれていることを示す。 横方向分解能の低下によるセグメンテーション性能の低減は、形態信号を利用するためにデータセット上で解決しなければならない特徴的空間スケールの洞察を与える。 以上の結果から,X線トモグラフィによるクローズドスクロールの読み出しに対する空間分解能の目標が示唆された。

関連論文リスト

• Towards Automated Petrography [3.131620829073277]
  ペトログラフィー(英: Petrography)は、岩石の鉱物学的組成を分析する地質学の分野である。 LITHOS(Large-scale Imaging and Thin section Optical-polarization Set)は、自動ペトログラフィーのための、最大かつ最も多種多様な実験フレームワークである。 LITHOSには、偏光の211,604個の高分解能RGBパッチと、25の鉱物カテゴリにわたる105,802個のエキスパートアノテート穀物が含まれている。
  論文  参考訳（メタデータ） (2025-11-01T00:15:18Z)
• Deep mineralogical segmentation of thin section images based on QEMSCAN maps [34.92366371606116]
  本研究は,炭酸塩岩の薄片画像の自動鉱物学的セグメンテーションのための畳み込みニューラルネットワークモデルを提案する。 このモデルは、QEMSCANマッピング自体を低コストで一般化された効率的な方法で模倣することができる。 特に固形組織上での鉱物境界の適切な線引きについて有望な結果を示す。
  論文  参考訳（メタデータ） (2025-05-22T17:58:34Z)
• A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
  我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。 我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。 がんのステージングと生存予測の課題に強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• An End-to-End Computer Vision Methodology for Quantitative Metallography [0.716879432974126]
  本研究は,異常検出のための総合的人工知能モデルを提案する。 合金中の不純物の異常度を自動的に定量化する。 モデルの性能を提示し,いくつかの代表事例に基づいて解析する。
  論文  参考訳（メタデータ） (2021-04-22T16:29:44Z)
• Ink Marker Segmentation in Histopathology Images Using Deep Learning [1.0118241139691948]
  本稿では, 深層ネットワークを通じて, 病的パッチのインクマーク領域を分割することを提案する。 スライド画像全体の79ドルのデータセットと4,305ドルのパッチが作成され、さまざまなネットワークがトレーニングされた。 その結果、EffiecentNet-B3をベースとしたFPNモデルは、F1スコア94.53%の優れた構成であることが判明した。
  論文  参考訳（メタデータ） (2020-10-29T18:09:59Z)

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。