論文の概要: Handwritten and Printed Text Segmentation via Region-Aware Human-Writing Descriptor Engineering
- arxiv url: http://arxiv.org/abs/2607.15936v1
- Date: Fri, 17 Jul 2026 13:19:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.854019
- Title: Handwritten and Printed Text Segmentation via Region-Aware Human-Writing Descriptor Engineering
- Title（参考訳）: 地域対応の人書き記述子工学による手書き・印刷テキストのセグメンテーション
- Authors: Zhixian Lu, Jianwei Zhang, Lei Zhang, Fei Yuan, Jin Wang, Chang Liu, Rui Gao, Qiyu Lei,
- Abstract要約: 本稿では,計算能力が著しく制限されたデバイス上での効率的な性能に最適化された軽量なフレームワークを提案する。
提案手法は,文書画像からコヒーレントな文レベルセグメントを抽出することを目的とした,文レベル連結成分アルゴリズムから始まる。
次に、文レベルでの人手書きの本質的変動を捉えるために、新しい領域対応手書き記述子(RHD)を設計する。
- 参考スコア（独自算出の注目度）: 15.434679847306676
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the increasing demand for reusing paper documents in educational and office settings, accurate segmentation of handwritten and printed text has become a crucial step in document digitization. Although numerous deep learning models have been developed for this task, their high computational cost limits deployment on resource-constrained edge devices. To address this challenge, we present a lightweight framework optimized for efficient performance on devices with severely limited computational capacity. Our approach begins with the Sentence-level Connected Component Segmentation algorithm, aimed at extracting coherent sentence-level segments from document images. We then design a novel Region-aware Handwriting Descriptor (RHD) to capture the intrinsic variability of human handwriting at the sentence level. A simple conventional classifier can then be seamlessly integrated with our designed descriptor, demonstrating strong classification performance for distinguishing handwritten and printed sentence-level text images, highlighting that the proposed descriptor is agnostic to the choice of classifier. Extensive experiments are performed on our self-constructed Multilingual High-Quality Annotated Dataset for Handwritten and Printed Text Segmentation (MAD-HPTS) and a public benchmark PHD-AS, and the experimental results demonstrate that the proposed framework outperforms current state-of-the-art methods in both accuracy and computational efficiency. On MAD-HPTS, our method sacrifices only 1.4% accuracy compared to the leading deep neural network baseline, yet achieves more than 8 times speedup in inference, making it well-suited for lightweight deployment.
- Abstract（参考訳）: 教育・事務現場における文書の再利用需要が高まる中、手書き・印刷テキストの正確なセグメンテーションが文書のデジタル化における重要なステップとなっている。
このタスクのために多くのディープラーニングモデルが開発されているが、その高い計算コストはリソース制約されたエッジデバイスへのデプロイメントを制限する。
この課題に対処するために,計算能力が著しく制限されたデバイス上での効率的な性能に最適化された軽量なフレームワークを提案する。
提案手法は,文書画像からコヒーレントな文レベルセグメントを抽出することを目的とした,文レベル連結成分分割アルゴリズムから始まる。
次に、文レベルでの人手書きの本質的変動を捉えるために、新しい領域対応手書き記述子(RHD)を設計する。
書式と印刷文レベルのテキストイメージを区別するための強力な分類性能を示し,提案した記述子が分類子の選択に非依存であることを強調した。
筆者らは,手書き・印刷テキストセグメンテーション(MAD-HPTS)と公開ベンチマークPHD-ASを用いて,自己構築した多言語多言語高品質アノテーションデータセット(MAD-HPTS)について大規模な実験を行った。
MAD-HPTSでは、主要なディープニューラルネットワークベースラインと比較して1.4%の精度しか犠牲にしていないが、推論の8倍以上の高速化を実現しており、軽量なデプロイメントに適している。
関連論文リスト
- Paragraph Segmentation Revisited: Towards a Standard Task for Structuring Speech [61.00008468914252]
本稿では,音声処理とテキストセグメンテーションの交点における3つのギャップを埋める,欠落した構造化ステップとして,段落セグメンテーションを再考する。
ベンチマークは、伝統的に段落のセグメンテーションが後処理の一部ではない未調査の音声領域に焦点を当てている。
第二に、制約付き復号法を提案し、大言語モデルが原文を保存しながら段落を挿入できるようにする。
第三に、コンパクトモデル(MiniSeg)が最先端の精度を実現し、階層的に拡張されると、最小計算コストで章や段落を共同で予測できることが示される。
論文 参考訳（メタデータ） (2025-12-30T23:29:51Z) - LRANet++: Low-Rank Approximation Network for Accurate and Efficient Text Spotting [118.93173826110815]
高精度検出のための低ランク近似に基づく新しいパラメータ化テキスト形状法を提案する。
異なるテキストの輪郭間の固有形状相関を利用して、形状表現の一貫性とコンパクト性を実現する。
我々は、LRANet++と呼ばれるエンドツーエンドテキストスポッティングフレームワークを構築するために、拡張検出モジュールを軽量な認識ブランチに統合する。
論文 参考訳（メタデータ） (2025-11-08T03:08:03Z) - Resource-Efficient Adaptation of Large Language Models for Text Embeddings via Prompt Engineering and Contrastive Fine-tuning [3.9914181590063884]
大規模言語モデル(LLM)は自然言語処理(NLP)の基盤となっている。
プリトレーニングされたデコーダのみのLLMの適応戦略について検討する。
論文 参考訳（メタデータ） (2025-07-30T14:49:30Z) - MetaWriter: Personalized Handwritten Text Recognition Using Meta-Learned Prompt Tuning [6.274266343486906]
従来の手書き文字認識法では、テスト時に書き手固有のパーソナライゼーションが欠如している。
本稿では、パーソナライズを即時チューニングとして定式化する効率的なフレームワークを提案する。
RIMES および IAM Handwriting Database ベンチマークに対する我々のアプローチを検証する。
論文 参考訳（メタデータ） (2025-05-26T20:26:16Z) - HAND: Hierarchical Attention Network for Multi-Scale Handwritten Document Recognition and Layout Analysis [21.25786478579275]
手書き文書認識は、コンピュータビジョンにおいて最も難しいタスクの1つである。
伝統的に、この問題は手書き文字認識とレイアウト解析という2つの別々のタスクとしてアプローチされてきた。
本稿では,テキスト認識とレイアウト解析を同時に行うための,新しいエンドツーエンドおよびセグメンテーションフリーアーキテクチャであるHANDを紹介する。
論文 参考訳（メタデータ） (2024-12-25T20:36:29Z) - 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) - Handwritten and Printed Text Segmentation: A Signature Case Study [0.0]
我々は手書きテキストセグメンテーションの課題に対処するための新しいアプローチを開発する。
我々の目的は、クラス全体からテキストを復元することであり、特に重なり合う部分のセグメンテーション性能を向上させることである。
私たちの最高の設定は、以前の2つの異なるデータセットで17.9%、IoUスコアで7.3%のパフォーマンスを上回っています。
論文 参考訳（メタデータ） (2023-07-15T21:49:22Z) - TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。
TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。
分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文 参考訳（メタデータ） (2023-06-06T03:37:41Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳（メタデータ） (2022-02-21T15:30:14Z)
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。