論文の概要: A Vision Based System for Guided and Collaborative Reconstruction of Fragmented Documents
- arxiv url: http://arxiv.org/abs/2607.03621v1
- Date: Fri, 03 Jul 2026 22:33:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.66775
- Title: A Vision Based System for Guided and Collaborative Reconstruction of Fragmented Documents
- Title（参考訳）: 断片化文書の指導的・協調的再構築のための視覚ベースシステム
- Abstract要約: 開発されたシステムには、紙片の位置を完全に管理できるコラボロボット(cobot)が含まれている。
このアタッチメントは、柔らかで正確な位置決めを可能にし、壊れやすい材料の保存を確実にする。
このシステムは、手動の位置決め、視覚誘導、あるいはコボットによる完全に自動化された位置決めを選択できる柔軟性を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents the development and evaluation of a collaborative system for real-time reconstruction of fragmented paper documents in the context of cultural heritage preservation. The developed system includes a collaborative robot, or cobot, that can fully manage the positioning of paper fragments using a specially designed vacuum-based suction attachment. This attachment enables gentle and precise positioning, ensuring the preservation of fragile materials. With this device, we are able to achieve a positioning repeatability of 0.57mm for fragments of 8cm^2. The system offers users the flexibility to choose between manual positioning, with visual guidance, or fully automated positioning performed by the cobot. To further improve the reconstruction process, AI methods for image interpretation, specifically for segmentation and positioning tasks, were applied and evaluated for their applicability to template-based reconstruction of damaged paper fragments. Our investigation provides critical insights into the performance of different local feature matching methods under different document types, taking into account rotation, scale robustness, and the degree of damage to the fragments. With a focus on the reconstruction of damaged and optically altered archival material, SE2-LoFTR, a detector-free local feature matching method, was chosen as the preferred method for the system due to its robust performance in our experiments.
- Abstract（参考訳）: 本稿では, 文化財保存の文脈における断片化文書のリアルタイム復元のための協調システムの開発と評価について述べる。
開発されたシステムは、特別に設計された真空ベースの吸引アタッチメントを使用して、紙片の位置を完全に管理できるコラボレーティブロボット(cobot)を含む。
このアタッチメントは、柔らかで正確な位置決めを可能にし、壊れやすい材料の保存を確実にする。
この装置により,8cm^2の破片に対して0.57mmの位置再現性を実現できる。
このシステムは、手動の位置決め、視覚誘導、あるいはコボットによる完全に自動化された位置決めを選択できる柔軟性を提供する。
再構成プロセスをさらに改善するため,特にセグメンテーションと位置決めタスクのための画像解釈のためのAI手法を適用し,損傷した紙片のテンプレートベース再構成への適用性について評価した。
本研究は, 文書の種類によって異なる局所特徴マッチング手法の性能について, ローテーション, スケールロバスト性, フラグメントの損傷度を考慮し, 重要な知見を提供する。
損傷・光学的に変化した人工骨材の復元に焦点をあてて, 検出不要な局所特徴マッチング法SE2-LoFTRを, 実験において頑健な性能のため, システムに好適な方法として選択した。
関連論文リスト
- Causal-AgentIR: Self-Evolving Causal Memory for Adaptive Image Restoration Agents [54.85451496831771]
Causal-AgentIRは階層的なマルチエージェントフレームワークであり、画像復元インテリジェンスのための自己進化型因果記憶を持つ。
分解パターン、画像領域、復元ツール、アクション、品質変更、ユーザの好みを構造化された因果記憶グラフに整理する。
このグラフはグラフベースの検索とマルチホップ因果推論をサポートしており、エージェントは特定の復元操作やツールシーケンスが異なる劣化条件下での修復品質にどのように影響するかを推測することができる。
論文 参考訳（メタデータ） (2026-07-23T09:59:44Z) - CIPHER: Culvert Inspection through Pairwise Frame Selection and High-Efficiency Reconstruction [53.9319127526742]
視覚的に反復的な環境下でのカルバート様構造に対する効率的なRGBベースの3次元再構成パイプラインを提案する。
提案手法は,まず情報フレームペアを選択し,適切な対応性を確保しつつ,視点の多様性を最大化する。
実験により,本手法は正確な3次元再構成と深度マップを効果的に生成し,人間の介入を最小限に抑えながら探傷効率を向上することを示した。
論文 参考訳（メタデータ） (2026-03-14T23:00:19Z) - DREAM: Document Reconstruction via End-to-end Autoregressive Model [53.51754520966657]
本稿では、文書再構成に特化した革新的な自己回帰モデルについて述べる。
文書再構成タスクの標準化定義を確立し,文書類似度基準(DSM)とDocRec1Kデータセットを導入し,タスクの性能を評価する。
論文 参考訳（メタデータ） (2025-07-08T09:24:07Z) - Detection Based Part-level Articulated Object Reconstruction from Single RGBD Image [52.11275397911693]
本稿では,1枚のRGBD画像から複数の人工関節オブジェクトを再構成する,エンドツーエンドで訓練可能なクロスカテゴリ手法を提案する。
私たちは、あらかじめ定義された部分数で人工的なオブジェクトに焦点をあて、インスタンスレベルの潜在空間を学習することに依存する以前の作業から離れています。
提案手法は, 従来の作業では処理できない様々な構成された複数インスタンスの再構築に成功し, 形状再構成や運動学推定において, 先行の作業よりも優れていた。
論文 参考訳（メタデータ） (2025-04-04T05:08:04Z) - Geometry Restoration and Dewarping of Camera-Captured Document Images [0.0]
本研究では,カメラが捉えた紙文書のデジタル画像のトポロジを復元する手法の開発に焦点をあてる。
本手法では,文書アウトライン検出に深層学習(DL)を用い,次いでコンピュータビジョン(CV)を用いてトポロジカル2Dグリッドを作成する。
論文 参考訳（メタデータ） (2025-01-06T17:12:19Z) - Exploring Information Retrieval Landscapes: An Investigation of a Novel Evaluation Techniques and Comparative Document Splitting Methods [0.0]
本研究では, 教科書の構造的性質, 記事の簡潔さ, 小説の物語的複雑さについて, 明確な検索戦略が必要であることを示した。
オープンソースのモデルを用いて,質問対と回答対の包括的データセットを生成する新しい評価手法を提案する。
評価には、SequenceMatcher、BLEU、METEOR、BERT Scoreなどの重み付けされたスコアを使用して、システムの正確性と妥当性を評価する。
論文 参考訳（メタデータ） (2024-09-13T02:08:47Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Self-supervised Deep Reconstruction of Mixed Strip-shredded Text
Documents [63.41717168981103]
本研究は,従来の1ページ再構成の深層学習手法を,より現実的で複雑なシナリオに拡張する。
本手法では, 整合性評価を2クラス(無効または無効)パターン認識問題としてモデル化する。
提案手法は複雑なシナリオにおいて競合する手法よりも優れ、90%以上の精度で精度が向上する。
論文 参考訳（メタデータ） (2020-07-01T21:48:05Z) - Fast(er) Reconstruction of Shredded Text Documents via Self-Supervised
Deep Asymmetric Metric Learning [62.34197797857823]
細断文書の自動復元における中心的な問題は、細断文書の相互互換性評価である。
本研究は,推定回数を線形にスケールするペアワイド互換性を測るスケーラブルな深層学習手法を提案する。
提案手法は,505個のシュレッダーを持つテストインスタンスに対して,22倍の高速化を実現した最先端技術に匹敵する精度を有する。
論文 参考訳（メタデータ） (2020-03-23T03:22:06Z)
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。