論文の概要: Semantic-Guided Reading Order Reconstruction in Historical Armenian Newspapers with LLMs

• arxiv url: http://arxiv.org/abs/2607.00596v1
• Date: Wed, 01 Jul 2026 08:19:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.803708
• Title: Semantic-Guided Reading Order Reconstruction in Historical Armenian Newspapers with LLMs
• Title（参考訳）: LLMを用いたアルメニア歴史新聞のセマンティックガイド読解順序再構築
• Abstract要約: 本稿では、アルメニアの歴史的新聞において、複雑なレイアウトと限られた言語資源を組み合わせた読解順序再構築について論じる。 66ページの注釈付きデータセットを導入し,幾何学的比較,YOLOに基づくレイアウト解析,エンドツーエンドの文書モデルECLAIR,意味領域検出と生成LDMを組み合わせたハイブリッド手法を提案する。 提案手法は,最強の幾何学的ベースライン上での順序誤差を最大76%削減し,マルチページ設定やノイズの多いOCRの下でも頑健な手法である。
• 参考スコア（独自算出の注目度）: 3.437197921299943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses reading order reconstruction in historical Armenian newspapers, which combine complex layouts with limited language resources. We introduce a new annotated dataset of 66 pages and compare geometric heuristics, YOLO-based layout parsing, an end-to-end document model ECLAIR, and a hybrid method combining semantic zone detection with a generative LLM. Our hybrid method achieves the lowest error rates of all evaluated approaches, reducing ordering errors by up to 76% over the strongest geometric baseline, and remains robust in multi-page settings and under noisy OCR. Rather than targeting production the method is designed as a data bootstrapping strategy enabling rapid annotation in highly under-resourced scenarios. Alongside the dataset, we release a specialized Tesseract OCR model for historical Armenian print.
• Abstract（参考訳）: 本稿では、アルメニアの歴史的新聞において、複雑なレイアウトと限られた言語資源を組み合わせた読解順序再構築について論じる。 我々は66ページの注釈付きデータセットを導入し、幾何学的ヒューリスティックス、YOLOに基づくレイアウト解析、エンドツーエンドの文書モデルECLAIR、意味領域検出とジェネレーションLLMを組み合わせたハイブリッド手法を比較した。 提案手法は,最強の幾何学的ベースライン上での順序誤差を最大76%削減し,マルチページ設定やノイズの多いOCRの下でも頑健な手法である。 プロダクションをターゲットにするのではなく、高度にリソース不足のシナリオで迅速なアノテーションを可能にするデータブートストラップ戦略として設計されている。 データセットとともに、アルメニアの歴史的印刷のための特殊なTesseract OCRモデルをリリースする。

関連論文リスト

• LEADER: Learning Reliable Local-to-Global Correspondences for LiDAR Relocalization [44.37632368250295]
  我々は,単純かつ効果的な幾何エンコーダによって強化されたロバストなLiDARベースの再ローカライズフレームワークであるLEADERを提案する。 オックスフォード・ロボットカーとNCLTデータセットの実験は、LEADERが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2026-04-13T11:52:29Z)
• OmniOCR: Generalist OCR for Ethnic Minority Languages [7.516228929594496]
  OmniOCRは、少数民族のスクリプトのための普遍的なフレームワークである。 Dynamic Low-Rank Adaptation (Dynamic LoRA)はレイヤとスクリプト間でモデルキャパシティを割り当てる。 スパーシティ正規化は冗長な更新を伴い、余分な推論コストを伴わずにコンパクトで効率的な適応を保証する。
  論文  参考訳（メタデータ） (2026-02-24T16:02:49Z)
• Towards Mixed-Modal Retrieval for Universal Retrieval-Augmented Generation [72.34977512403643]
  Retrieval-Augmented Generation (RAG) は、外部コーパスから関連文書を取得することで、大規模言語モデル(LLM)を強化するための強力なパラダイムとして登場した。 既存のRAGシステムは、主に平凡なテキスト文書に焦点を当てており、クエリとドキュメントの両方が(テキストや画像のような)混合モダリティを含む実世界のシナリオでは、しばしば不足している。 我々は,Universal Retrieval-Augmented Generationシナリオに適した混合モーダル-混合モーダルレトリバーであるNyxを提案する。
  論文  参考訳（メタデータ） (2025-10-20T09:56:43Z)
• A Survey on Parallel Text Generation: From Parallel Decoding to Diffusion Language Models [71.66119575697458]
  トークン・バイ・トークン生成のボトルネックを破り、推論効率を向上させることを目的とした並列テキスト生成技術。 既存のアプローチをARベースのパラダイムと非ARベースのパラダイムに分類し、各カテゴリの中核技術について詳細に検討する。 我々は、最近の進歩を強調し、オープンな課題を特定し、並列テキスト生成における将来的な研究の方向性を概説する。
  論文  参考訳（メタデータ） (2025-08-12T07:56:04Z)
• Mixture-of-RAG: Integrating Text and Tables with Large Language Models [5.038576104344948]
  不均一文書RAGは、テキストデータと階層データ間の共同検索と推論を必要とする。 階層構造と異種関係を保存する新しい3段階フレームワークであるMixRAGを提案する。 実験の結果、MixRAGは強いテキストのみ、テーブルのみ、ナイーブミキサーベースラインよりもトップ1検索を46%向上させることがわかった。
  論文  参考訳（メタデータ） (2025-04-13T13:02:33Z)
• KAP: MLLM-assisted OCR Text Enhancement for Hybrid Retrieval in Chinese Non-Narrative Documents [0.0]
  雑音の多いOCR出力を検索最適化テキストに変換する新しいフレームワークであるKAPを提案する。 KAPは2段階のアプローチを採用しており、まずOCRを用いてテキストを抽出し、次にマルチモーダル大言語モデルを用いて出力を洗練する。 実証的な結果は、KAPが従来の前処理手法よりも一貫して、著しく優れていることを示している。
  論文  参考訳（メタデータ） (2025-03-11T14:01:03Z)
• Reference-Based Post-OCR Processing with LLM for Precise Diacritic Text in Historical Document Recognition [1.6941039309214678]
  コンテンツ中心の電子書籍を参照ベースとして活用し、不完全なOCR生成テキストを訂正する手法を提案する。 この技術は、ダイアクリティカル言語のための高精度な擬似ページ・ツー・ページラベルを生成する。 パイプラインは、古いドキュメントから様々な種類のノイズを排除し、欠落した文字、単語、乱れたシーケンスといった問題に対処する。
  論文  参考訳（メタデータ） (2024-10-17T08:05:02Z)
• A Guide To Effectively Leveraging LLMs for Low-Resource Text Summarization: Data Augmentation and Semi-supervised Approaches [12.582774521907227]
  低リソーステキスト要約のための既存のアプローチは、主に推論時に大きな言語モデル(LLM)を使用して要約を直接生成する。 低リソーステキスト要約に LLM を効果的に活用する2つの新しい手法を提案する: 1) LLM ベースのデータ拡張方式である MixSumm と、(2) PPSL は、サンプル効率の半教師付きテキスト要約のための即時的な擬似ラベル方式である。
  論文  参考訳（メタデータ） (2024-07-10T03:25:47Z)
• xRAG: Extreme Context Compression for Retrieval-augmented Generation with One Token [108.7069350303884]
  xRAGは、検索拡張生成に適した、革新的なコンテキスト圧縮手法である。 xRAGは、言語モデル表現空間に文書の埋め込みをシームレスに統合する。 実験の結果、xRAGは6つの知識集約タスクで平均10%以上の改善を達成していることがわかった。
  論文  参考訳（メタデータ） (2024-05-22T16:15:17Z)
• LOCR: Location-Guided Transformer for Optical Character Recognition [55.195165959662795]
  自動回帰中にトランスフォーマーアーキテクチャに位置案内を組み込むモデルであるLOCRを提案する。 125Kの学術文書ページから777万以上のテキスト配置ペアからなるデータセット上でモデルをトレーニングする。 これは、編集距離、BLEU、METEOR、F測定によって測定されたarXivから構築されたテストセットの既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2024-03-04T15:34:12Z)
• Neural Model Reprogramming with Similarity Based Mapping for Low-Resource Spoken Command Recognition [71.96870151495536]
  低リソース音声コマンド認識(SCR)のための新しいAR手法を提案する。 ARプロシージャは、(対象領域から)音響信号を修正して、事前訓練されたSCRモデルを再利用することを目的としている。 提案したAR-SCRシステムについて,アラビア語,リトアニア語,マンダリン語を含む3つの低リソースSCRデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2021-10-08T05:07:35Z)
• Recent Developments Combining Ensemble Smoother and Deep Generative Networks for Facies History Matching [58.720142291102135]
  本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。 本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
  論文  参考訳（メタデータ） (2020-05-08T21:32:42Z)

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。