論文の概要: Prints in the Magnetic Dust: Robust Similarity Search in Legacy Media Images Using Checksum Count Vectors

• arxiv url: http://arxiv.org/abs/2604.09657v1
• Date: Mon, 30 Mar 2026 12:01:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.604616
• Title: Prints in the Magnetic Dust: Robust Similarity Search in Legacy Media Images Using Checksum Count Vectors
• Title（参考訳）: 磁気ダストの印刷:チェックサム数ベクトルを用いたレガシーメディア画像のロバスト類似性検索
• Abstract要約: 本稿では,Checksum Count Vectorsに基づく特徴表現を提案し,大規模データストア内のレコードの重複や変種を検出するための適用性を評価する。 この手法は、デコードされたテープ画像のコレクションでテストされ、58%の精度で変種を検知し、97%の精度で代替コピーを識別し、最大75%のレコードが欠落した記録を損傷した。
• 参考スコア（独自算出の注目度）: 0.22940141855172028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digitizing magnetic media containing computer data is only the first step towards the preservation of early home computing era artifacts. The audio tape images must be decoded, verified, repaired if necessary, tested, and documented. If parts of this process could be effectively automated, volunteers could focus on contributing contextual and historical knowledge rather than struggling with technical tools. We therefore propose a feature representation based on Checksum Count Vectors and evaluate its applicability to detecting duplicates and variants of recordings within a large data store. The approach was tested on a collection of decoded tape images (n=4902), achieving 58\% accuracy in detecting variants and 97% accuracy in identifying alternative copies, for damaged recordings with up to 75% of records missing. These results represent an important step towards fully automated pipelines for restoration, de-duplication, and semantic integration of historical digital artifacts through sequence matching, automatic repair and knowledge discovery.
• Abstract（参考訳）: コンピュータデータを含む磁気媒体のデジタル化は、初期のコンピュータ時代のアーティファクトの保存に向けた第一歩にすぎない。 オーディオテープのイメージはデコードされ、検証され、必要に応じて修復され、テストされ、文書化されなければならない。 このプロセスの一部が効果的に自動化できれば、ボランティアは技術的なツールに苦労するのではなく、文脈や歴史的知識の貢献に集中することができる。 そこで我々は,Checksum Count Vectorsに基づく特徴表現を提案し,大規模データストア内のレコードの重複や変種を検出するための適用性を評価する。 この手法はデコードされたテープ画像のコレクション(n=4902)でテストされ、レコードの最大75%が欠落している損傷記録に対して、変種検出の58倍の精度、代替コピーの識別の97%の精度を実現した。 これらの結果は、シーケンスマッチング、自動修復、知識発見を通じて、過去のデジタルアーティファクトの復元、重複解消、意味統合のための完全自動化パイプラインへの重要なステップである。

関連論文リスト

• Detection-Driven Object Count Optimization for Text-to-Image Diffusion Models [54.641726517633025]
  本稿では,事前学習したオブジェクトカウント技術とオブジェクト検出器を用いて生成をガイドする新しいフレームワークを提案する。 まず、完全生成画像上で計算された外ループ損失を用いてカウントトークンを最適化する。 第二に、視点や比例シフトによる誤差を補正する検出駆動スケーリング項を導入する。
  論文  参考訳（メタデータ） (2024-08-21T15:51:46Z)
• Watermark Text Pattern Spotting in Document Images [3.6298655794854464]
  書字は様々なフォントやサイズ、形式に分類できるため、一般的な認識は非常に難しい問題である。 Wrenderを用いて生成された65,447個のデータサンプルを含む新しいベンチマーク(K-Watermark)を提案する。 人間のレーダを用いた妥当性調査では、予め作成された透かし文書に対する信頼度スコアが0.11である。
  論文  参考訳（メタデータ） (2024-01-10T14:02:45Z)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• Simulating analogue film damage to analyse and improve artefact restoration on high-resolution scans [10.871587311621974]
  アナログ写真フィルムのデジタルスキャンは通常、ほこりやひっかきなどの人工物を含む。 ディープラーニングモデルは、一般的な画像の塗り絵や装飾において印象的な結果を示しているが、フィルムアーティファクトの除去は未研究の問題である。 トレーニングと評価のために、現実世界のアナログフィルム損傷の高品質なデータセットは公開されていない。 人手による手動復元版と組み合わせた4K損傷アナログフィルムスキャンのデータセットを収集する。 損傷画像の大規模合成データセットを, 実物形状の統計モデルと, 重損傷画像から学習した画像の出現モデルを用いて, ペア化されたクリーンバージョンで構築する。
  論文  参考訳（メタデータ） (2023-02-20T14:24:18Z)
• 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)
• Pattern Spotting and Image Retrieval in Historical Documents using Deep Hashing [60.67014034968582]
  本稿では,歴史文書のデジタルコレクションにおける画像検索とパターンスポッティングのためのディープラーニング手法を提案する。 ディープラーニングモデルは、実数値またはバイナリコード表現を提供する2つの異なるバリエーションを考慮して、特徴抽出に使用される。 また,提案手法により検索時間を最大200倍に短縮し,関連する作業と比較してストレージコストを最大6,000倍に削減する。
  論文  参考訳（メタデータ） (2022-08-04T01:39:37Z)
• SImProv: Scalable Image Provenance Framework for Robust Content Attribution [80.25476792081403]
  我々は、クエリ画像を元の信頼できるデータベースにマッチングするフレームワークであるSImProvを提示する。 SimProvは3つのステージで構成されている。トップkの最も類似した画像を検索するためのスケーラブルな検索ステージと、候補の中からオリジナルを識別するための再ランク付けとほぼ重複した検出ステージである。 1億画像のデータセット上での効率的な検索と操作の検出を実証する。
  論文  参考訳（メタデータ） (2022-06-28T18:42:36Z)
• Image-based material analysis of ancient historical documents [5.285396202883411]
  本研究は、有名な歴史資料集『死海巻』の画像を用いて、写本の資料を分類する新しい方法を提案する。 多数決プロセスの変換を用いた二項分類システムは, この分類作業に有効であることが示されている。 このパイロットスタディは、パーチメントまたはパピルス材料から生成される限られた量の原稿に対して、最大97%の分類成功率を示す。
  論文  参考訳（メタデータ） (2022-03-02T11:39:22Z)
• Compact Binary Fingerprint for Image Copy Re-Ranking [0.0]
  画像コピー検出はコンピュータビジョンと信号処理において困難で魅力的なトピックである。 SIFTなどのローカルキーポイントディスクリプタを使用して画像を表現する。 特徴量を定量化し、精度の低下を犠牲にして、大規模データベースに対して探索・マッチングを可能にする。
  論文  参考訳（メタデータ） (2021-09-16T08:44:56Z)
• Benchmarking Scientific Image Forgery Detectors [18.225190509954874]
  本稿では,研究コミュニティが報告した最も一般的な画像偽造操作を再現する,拡張可能なオープンソースライブラリを提案する。 我々は、富裕層を有する大規模な科学的偽画像ベンチマーク(39,423画像)を作成する。 さらに,画像重複による抽出論文の多さを考慮し,提案したデータセットにおける最先端のコピー・モーブ検出手法の評価を行った。
  論文  参考訳（メタデータ） (2021-05-26T22:58:20Z)
• Content-Based Detection of Temporal Metadata Manipulation [91.34308819261905]
  画像の撮像時間とその内容と地理的位置とが一致しているかどうかを検証するためのエンドツーエンドのアプローチを提案する。 中心となる考え方は、画像の内容、キャプチャ時間、地理的位置が一致する確率を予測するための教師付き一貫性検証の利用である。 我々のアプローチは、大規模なベンチマークデータセットの以前の作業により改善され、分類精度が59.03%から81.07%に向上した。
  論文  参考訳（メタデータ） (2021-03-08T13:16:19Z)

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。