論文の概要: HCSU: A Dataset and Benchmark for Fine-Grained Historical Calligraphy Style Understanding
- arxiv url: http://arxiv.org/abs/2607.04147v1
- Date: Sun, 05 Jul 2026 07:15:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.840487
- Title: HCSU: A Dataset and Benchmark for Fine-Grained Historical Calligraphy Style Understanding
- Title（参考訳）: HCSU: 微粒な履歴書スタイル理解のためのデータセットとベンチマーク
- Abstract要約: HCSUは、10王朝にまたがる49人の歴史的著名な書家による39,307枚の細心の注意深い文字画像で構成されている。
HCSUは従来のフラットなラベルを超えて、階層的な専門家による美的記述を提供する。
- 参考スコア（独自算出の注目度）: 5.409300228626787
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated fine-grained perception of calligraphy styles--a task vital to cultural heritage preservation--remains a critical challenge for Large Vision-Language Models (LVLMs), largely constrained by existing datasets that suffer from modal mixture and flattened labels. To bridge this gap, we introduce HCSU, the first comprehensive dataset tailored for fine-grained Historical Calligraphy Style Understanding. HCSU comprises 39,307 meticulously curated character images from 49 historically prominent calligraphers across 10 dynasties, systematically decoupling authentic ink manuscripts (Tie) from stone rubbings (Bei) to resolve the long-standing modal mixture problem. Moving beyond conventional flattened labels, HCSU provides hierarchical expert-written aesthetic descriptions, enabling two rigorous evaluation protocols: fine-grained style discrimination and interpretable aesthetic reasoning. Extensive evaluations reveal a persistent gap between calligraphy-related knowledge and visually grounded style perception: state-of-the-art LVLMs show non-trivial performance but remain sensitive to script-level, textual, and source-specific cues, and often struggle to ground aesthetic judgments in fine-grained brushwork evidence. Ultimately, the HCSU benchmark exposes fundamental limitations in current multimodal architectures, aiming to inspire the evolution of expert-level visual reasoning for cultural heritage preservation. The dataset is available at https://huggingface.co/datasets/Tongji209/HCSU.
- Abstract（参考訳）: 書風の微妙な認識の自動化 - 文化遺産保存に不可欠な課題- は大規模視覚・言語モデル(LVLM)にとって重要な課題であり、様相混在や平らなラベルに悩まされている既存のデータセットに大きく制約されている。
このギャップを埋めるために、我々はHCSUを紹介します。
HCSUは、10王朝にまたがる49人の歴史的著名な書家による39,307人の精巧にキュレートされた文字画像からなり、石の破砕物(Bei)から真正のインク写本(Tie)を体系的に切り離して長期にわたる混合問題を解決している。
HCSUは従来のフラットなラベルを超えて、階層的な専門家による美的記述を提供し、微粒なスタイルの識別と解釈可能な審美的推論の2つの厳密な評価プロトコルを可能にする。
最先端のLVLMは、非自明なパフォーマンスを示すが、スクリプトレベル、テキスト、ソース固有の手がかりに敏感であり、しばしばきめ細かい筆跡証拠で美的判断を下すのに苦労する。
最終的に、HCSUベンチマークは、現在のマルチモーダルアーキテクチャの基本的制限を明らかにし、文化遺産保存のための専門家レベルの視覚的推論の進化を刺激することを目的としている。
データセットはhttps://huggingface.co/datasets/Tongji209/HCSUで公開されている。
関連論文リスト
- Chronicles-OCR: A Cross-Temporal Perception Benchmark for the Evolutionary Trajectory of Chinese Characters [31.3410141149246]
我々は、視覚大言語モデルにおける時間的視覚知覚能力を評価するために特別に設計された最初の総合的なベンチマークであるChronicles-OCRを紹介する。
データセットは、トルトーゼの殻から紙ベースの書道まで、非常に多様な物理メディアを含む、厳密にバランスのとれた2,800枚の画像で構成されている。
クロニクルス-OCRは、4つの厳密な量的タスクを定式化している: クロス周期文字スポッティング、ビジュアル参照によるきめ細かい古文字認識、古代のテキスト解析、スクリプト分類である。
論文 参考訳（メタデータ） (2026-05-12T11:14:25Z) - Competency Questions as Executable Plans: a Controlled RAG Architecture for Cultural Heritage Storytelling [0.12891210250935145]
本稿では,ナレッジグラフに基づく新しいニューロシンボリックアーキテクチャを提案する。
我々のアプローチの目新しいところは、実行時の物語プランに有能な質問(CQ)を組み直すことである。
音楽メタオントロジーと1985年のコンサートデータを一致させたマルチモーダルデータセットであるLive Aid KGを用いて,このアーキテクチャを検証した。
論文 参考訳（メタデータ） (2026-04-02T21:54:33Z) - Bridging Cognitive Gap: Hierarchical Description Learning for Artistic Image Aesthetics Assessment [51.40989269202702]
審美的品質評価タスクは,AIGCの定量的評価システムの開発に不可欠である。
本研究では,記述生成による美的次元の分離を図った芸術的画像の美的評価フレームワークであるArtQuantを提案する。
提案手法は,従来のトレーニングの33%しか必要とせず,いくつかのデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-12-29T12:18:26Z) - UniCalli: A Unified Diffusion Framework for Column-Level Generation and Recognition of Chinese Calligraphy [37.162115015010585]
我々は列レベルの認識と生成のための統合拡散フレームワークである textbfUniCalli を紹介する。
8000以上のデジタル化された断片からなるデータセットを、4000以上の注釈付き断片でキュレートし、合成データ、ラベル付きデータ、ラベルなしデータの組み合わせでトレーニングしました。
このモデルは、より強力な認識とともに、より優れたリグチュア連続性とレイアウト忠実性を有する最先端の生成品質を実現する。
論文 参考訳（メタデータ） (2025-10-15T16:52:07Z) - SAVER: Mitigating Hallucinations in Large Vision-Language Models via Style-Aware Visual Early Revision [59.61988843996952]
Style-Aware Visual Early Revision SAVERはトークンレベルの視覚的注意パターンに基づいてLVLMの最終出力を動的に調整する新しいメカニズムである。
我々は,SAVERが様々なモデル,データセット,タスクの幻覚緩和において,最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2025-08-05T07:41:25Z) - Unlocking Comics: The AI4VA Dataset for Visual Understanding [62.345344799258804]
本稿では,1950年代のフレンチ・ベルジアン漫画に,深度推定,セマンティックセグメンテーション,サリエンシ検出,キャラクタ識別などのタスクを注記した新しいデータセットを提案する。
2つの異なる一貫したスタイルで構成され、自然画像から得られたオブジェクトの概念とラベルを取り入れている。
このような多様な情報を含むことで、このデータセットは計算の創造性を約束するだけでなく、アートのデジタル化やストーリーテリングの革新のための道も提供します。
論文 参考訳（メタデータ） (2024-10-27T14:27:05Z) - Coarse-to-Fine Highlighting: Reducing Knowledge Hallucination in Large Language Models [58.952782707682815]
COFTは、異なるレベルのキーテキストにフォーカスする新しい方法であり、長いコンテキストで失われることを避ける。
知識幻覚ベンチマークの実験ではCOFTの有効性が示され、F1スコアの30%以上の性能が向上した。
論文 参考訳（メタデータ） (2024-10-19T13:59:48Z) - Capturing Style in Author and Document Representation [4.323709559692927]
著者と文書の埋め込みをスタイリスティックな制約で学習する新しいアーキテクチャを提案する。
本稿では,Gutenbergプロジェクトから抽出した文芸コーパス,Blog Authorship,IMDb62の3つのデータセットについて評価を行った。
論文 参考訳（メタデータ） (2024-07-18T10:01:09Z) - Multi-grained Hypergraph Interest Modeling for Conversational
Recommendation [75.65483522949857]
複雑な履歴データの下でユーザの興味を捉えるために, マルチグラデーション・ハイパーグラフ・インフォメーション・モデリング手法を提案する。
提案手法では,まず,ユーザの過去の対話セッションをモデル化し,セッションベースハイパーグラフを作成するためにハイパーグラフ構造を用いる。
さらに,2種類のハイパーグラフに対して多粒度ハイパーグラフの畳み込みを行い,拡張表現を用いて関心を意識したCRSを開発する。
論文 参考訳（メタデータ） (2023-05-04T13:13:44Z) - ALADIN-NST: Self-supervised disentangled representation learning of
artistic style through Neural Style Transfer [60.6863849241972]
我々は、画像に描かれた意味的内容から、より強く絡み合った視覚芸術スタイルの表現を学習する。
スタイルと内容の絡み合いに強く対処することで、スタイル固有のメトリクスが大きく向上することを示します。
論文 参考訳（メタデータ） (2023-04-12T10:33:18Z) - VGTS: Visually Guided Text Spotting for Novel Categories in Historical Manuscripts [26.09365732823049]
本稿では,1つの注釈付きサポートサンプルを用いて,新しい文字を正確に検出するビジュアルガイドテキストスポッティング(VGTS)手法を提案する。
DSAブロックは、人間の視覚的スポッティングプロセスを模倣して、サポート画像とクエリ画像における識別的空間領域を特定し、焦点を合わせ、学習することを目的としている。
低リソーススポッティングタスクにおける例不均衡問題に対処するため,距離メトリック学習のための埋め込み空間の識別力を高める新しいトーラス損失関数を開発した。
論文 参考訳（メタデータ） (2023-04-03T06:40:52Z)
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。