論文の概要: Leveraging Morphology for Historical Script Metrological Analysis

• arxiv url: http://arxiv.org/abs/2606.09446v1
• Date: Mon, 08 Jun 2026 12:55:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.072407
• Title: Leveraging Morphology for Historical Script Metrological Analysis
• Title（参考訳）: 歴史的スクリプトメトロロジー解析のためのレバレッジ形態学
• Authors: Malamatenia Vlachou Efstathiou, Raphaël Baena, Dominique Stutzmann, Mathieu Aubry,
• Abstract要約: 本稿では,行レベルの転写監督のみで効率の良い文字モデリングを実現する学習手法を提案する。 このデモのために、我々は14世紀後半にシャルル5世によって依頼され、4つの手によって複製された、パリ写本『BnF, fr. 2813』の注釈を拡張した。
• 参考スコア（独自算出の注目度）: 12.924056486436415
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Advances in handwritten text recognition have enabled large-scale transcription of historical documents, but still provide limited access to interpretable visual measurements for paleography, the study of historical scripts. In this paper, our main insight is that morphological script analysis, in particular the capacity to learn character prototypes from line-level transcriptions, enables the definition of scalable, meaningful, and stable paleographic measurements. More precisely, we leverage a transformer-based detection architecture together with a prototype-based line reconstruction module to learn prototypical characters and their occurrence, deformation, and positioning. Our contributions are twofold. First, we introduce a deep architecture and learning methodology that enables efficient character modeling with only line-level transcription supervision, significantly improving over the Learnable Typewriter baseline and enabling accurate character bounding box prediction, unlocking its potential for paleographic measurements. Second, we introduce and demonstrate the paleographical relevance of automatic measurements enabled by our architecture for characters, bi-grams, and spaces between graphical units. For this demonstration, we extend the annotations of the codex Paris, BnF, fr. 2813, commissioned in the late fourteenth century by Charles V and copied by four hands, to 160 pages. We visualize our measurements over these pages, showing how they enable us not only to differentiate graphical profiles, but also to discover and analyze subtle variations. This case study outlines the scalability of our approach and its frugality in terms of required training data, since a single column of text is sufficient to compute our measurements on each of the 160 pages. Data and code are publicly available at: https://malamatenia.github.io/morphology4metrology-analysis.
• Abstract（参考訳）: 手書き文字認識の進歩により、歴史文書の大規模な書き起こしが可能になったが、歴史書の研究である古文書学の解釈可能な視覚計測へのアクセスは限られている。 本稿では,形態的スクリプト解析,特にラインレベルの文字起こしから文字のプロトタイプを学習する能力によって,スケーラブルで有意義で安定した古文書計測の定義が可能になることを考察する。 より正確には、原型文字とその発生、変形、位置決めを学習するために、トランスフォーマに基づく検出アーキテクチャとプロトタイプベースのライン再構築モジュールを併用する。 私たちの貢献は2倍です。 まず,行レベルの転写監督のみで効率的な文字モデリングを実現し,Learningable Typewriterベースラインを大幅に改善し,文字境界ボックスの正確な予測を可能にした。 第2に,図形単位間の文字,バイグラム,空間に対するアーキテクチャによって実現された自動計測の古的関連性について紹介し,実演する。 このデモでは、codex Paris, BnF, frのアノテーションを拡張します。 2813年、チャールズ5世によって14世紀後半に依頼され、四手書きで160ページに複製された。 これらのページ上で計測結果を可視化し、グラフィカルなプロファイルを識別するだけでなく、微妙なバリエーションを発見し解析する方法について示す。 このケーススタディでは,160ページ毎の計測値を計算するのに十分な1列のテキストが十分であるため,必要なトレーニングデータの観点から,我々のアプローチのスケーラビリティと柔軟性を概説する。 データとコードは、https://malamatenia.github.io/morphology4metrology-analysis.comで公開されている。

関連論文リスト

• Language Guided Domain Generalized Medical Image Segmentation [68.93124785575739]
  単一ソースドメインの一般化は、より信頼性が高く一貫性のあるイメージセグメンテーションを現実の臨床環境にわたって約束する。 本稿では,テキストエンコーダ機能によって案内されるコントラスト学習機構を組み込むことで,テキスト情報を明確に活用する手法を提案する。 文献における既存手法に対して,本手法は良好な性能を発揮する。
  論文  参考訳（メタデータ） (2024-04-01T17:48:15Z)
• Document AI: A Comparative Study of Transformer-Based, Graph-Based Models, and Convolutional Neural Networks For Document Layout Analysis [3.231170156689185]
  Document AIは、自然言語処理とコンピュータビジョン技術を活用して、文書を自動的に分析することを目的としている。 Document AIの主要なタスクの1つはドキュメントレイアウト分析であり、レイアウト、画像、テキストの内容と空間的関係を解釈することでドキュメントページを構造化する。
  論文  参考訳（メタデータ） (2023-08-29T16:58:03Z)
• The Learnable Typewriter: A Generative Approach to Text Analysis [17.355857281085164]
  テキスト行中の文字解析と認識に対する生成文書固有のアプローチを提案する。 同様のフォントや手書きのテキスト行を入力として、我々のアプローチは多数の異なる文字を学習することができる。
  論文  参考訳（メタデータ） (2023-02-03T11:17:59Z)
• 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)
• Continuous Offline Handwriting Recognition using Deep Learning Models [0.0]
  手書き文字認識は、自動文書画像解析の分野に大きな関心を持つオープンな問題である。 我々は,畳み込みニューラルネットワーク(CNN)とシーケンス・ツー・シーケンス(seq2seq)という,2種類のディープラーニングアーキテクチャの統合に基づく新しい認識モデルを提案する。 提案した新たなモデルでは,他の確立された方法論と競合する結果が得られる。
  論文  参考訳（メタデータ） (2021-12-26T07:31:03Z)
• Digital Editions as Distant Supervision for Layout Analysis of Printed Books [76.29918490722902]
  本稿では,この意味的マークアップを,レイアウト解析モデルのトレーニングと評価のための遠隔監視として利用する手法について述べる。 DTA(Deutsches Textarchiv)の50万ページにわたるモデルアーキテクチャの実験では、これらの領域レベルの評価手法と画素レベルのメトリクスとワードレベルのメトリクスとの高い相関性を見出した。 自己学習による精度向上の可能性と、DTAで訓練されたモデルが他の歴史書に一般化できる可能性について論じる。
  論文  参考訳（メタデータ） (2021-12-23T16:51:53Z)
• Neural Deepfake Detection with Factual Structure of Text [78.30080218908849]
  テキストのディープフェイク検出のためのグラフベースモデルを提案する。 我々のアプローチは、ある文書の事実構造をエンティティグラフとして表現する。 本モデルでは,機械生成テキストと人文テキストの事実構造の違いを識別することができる。
  論文  参考訳（メタデータ） (2020-10-15T02:35:31Z)

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。