論文の概要: BullingerDB: A Dataset for Handwritten Text Recognition and Writer Retrieval

• arxiv url: http://arxiv.org/abs/2605.30235v1
• Date: Thu, 28 May 2026 17:05:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.569682
• Title: BullingerDB: A Dataset for Handwritten Text Recognition and Writer Retrieval
• Title（参考訳）: BullingerDB: 手書きテキスト認識とライター検索のためのデータセット
• Authors: Marco Peer, Anna-Scius Bertrand, Patricia Scheurer, Andreas Fischer,
• Abstract要約: BullingerDB は Heinrich Bullinger (1504-1575) の対応に基づく歴史的文書解析のためのベンチマークデータセットである コーパスは20,898ページと、60年間に796人の作家によって書かれた499,222行からなる。 テキスト認識と文字検索におけるBullingerDBの評価を行った。
• 参考スコア（独自算出の注目度）: 0.4225364736290947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present BullingerDB, a large-scale benchmark dataset for historical document analysis based on the correspondence of Heinrich Bullinger (1504-1575). The corpus comprises 20,898 pages and 499,222 text lines written by 796 writers over six decades, featuring stylistic variation, multilingual content (mostly Latin and Early New High German) as well as meta-information such as writer identity and time. We evaluate BullingerDB on text recognition and writer retrieval. TrOCR, the best performing model, achieves a CER of 9.1%. For writer retrieval, we introduce a temporal nDCG metric to assess time-aware retrieval. While temporally coherent retrieval is achievable, mAP (78.3%) scores indicate challenges due to long-term stylistic variation. With BullingerDB, we aim to establish a new benchmark for multilingual historical text recognition and temporally-aware writer analysis.
• Abstract（参考訳）: 本稿では,Heinrich Bullinger (1504-1575) の対応に基づく,歴史文書解析のための大規模ベンチマークデータセットである BullingerDBを提案する。 コーパスは20,898ページと499,222行のテキストで、60年間に796人の作家によって書かれた。 テキスト認識と文字検索におけるBullingerDBの評価を行った。 最高のパフォーマンスモデルであるTrOCRは、CERが9.1%に達する。 著者検索には、時間認識検索を評価するための時間的nDCG指標を導入する。 時間的コヒーレント検索は達成可能であるが、mAP(78.3%)のスコアは長期のスタイル変化による課題を示している。 BullingerDBでは,多言語歴史的テキスト認識と時間的認識型文字分析のための新しいベンチマークを確立することを目的としている。

関連論文リスト

• Language Detection by Means of the Minkowski Norm: Identification Through Character Bigrams and Frequency Analysis [0.0]
  本研究では,モノグラムとビッグラムの周波数ランキングを利用した言語決定性アルゴリズムの数学的実装について検討する。 本手法は,150文字未満のテキストに対して80%以上の精度を達成し,長文に対して100%の精度を実現する。
  論文  参考訳（メタデータ） (2025-07-22T07:11:01Z)
• Online Writer Retrieval with Chinese Handwritten Phrases: A Synergistic Temporal-Frequency Representation Learning Approach [53.189911918976655]
  DOLPHINは,相乗的時間周波数解析による手書き表現の向上を目的とした新しい検索モデルである。 OLIWER(OLIWER)は,1,731人から670,000以上の中国語の字句を含む大規模オンライン作家検索データセットである。 本研究は,手書き表現の質向上における点サンプリング周波数と圧力特性の重要性を強調した。
  論文  参考訳（メタデータ） (2024-12-16T11:19:22Z)
• Nuremberg Letterbooks: A Multi-Transcriptional Dataset of Early 15th Century Manuscripts for Document Analysis [4.660229623034816]
  ニュルンベルク・レターブックス・データセットは15世紀初頭の史料である。 データセットには、1711のラベル付きページを含む4冊の書籍が含まれている。
  論文  参考訳（メタデータ） (2024-11-11T17:08:40Z)
• Retrieval is Accurate Generation [99.24267226311157]
  本稿では,支援文書の集合からコンテキスト認識句を選択する新しい手法を提案する。 本モデルでは,検索対象のベースラインの中で,最高の性能と低レイテンシを実現する。
  論文  参考訳（メタデータ） (2024-02-27T14:16:19Z)
• 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)
• SCROLLS: Standardized CompaRison Over Long Language Sequences [62.574959194373264]
  SCROLLSは長いテキストに対する推論を必要とするタスクのスイートである。 SCROLLSには要約、質問応答、自然言語推論タスクが含まれる。 すべてのデータセットを統一されたテキスト・ツー・テキスト形式で利用可能にし、モデルアーキテクチャと事前学習方法の研究を容易にするために、ライブのリーダーボードをホストします。
  論文  参考訳（メタデータ） (2022-01-10T18:47:15Z)

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。