論文の概要: Ancient-Bench: A Comprehensive Multi-millennial, Multi-medium, and Multi-script Benchmark for Ancient Chinese Artifact Text Recognition
- arxiv url: http://arxiv.org/abs/2608.27169v1
- Date: Thu, 27 Aug 2026 14:22:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.444317
- Title: Ancient-Bench: A Comprehensive Multi-millennial, Multi-medium, and Multi-script Benchmark for Ancient Chinese Artifact Text Recognition
- Title（参考訳）: Ancient-Bench: 古代中国のアーティファクトテキスト認識のための総合的マルチミレニアル、マルチメジウム、マルチスクリプトベンチマーク
- Abstract要約: 古代ベンチは古代中国の古文書認識のための2,700枚の画像のベンチマークである。
マルチミレニアル(3000年にわたるキャラクターの進化)、マルチメートル(9つのアーティファクトカテゴリを含む)、マルチスクリプト(7つの歴史的なスクリプト形式を包含する)の3つの次元がある。
- 参考スコア（独自算出の注目度）: 53.300725050880885
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ancient Chinese artifact text recognition is fundamental to heritage digitization, and benchmarks for ancient texts are essential for evaluating current model capabilities. However, existing benchmarks suffer from ''fragmentation'', manifested in limited temporal coverage, limited medium diversity, and incomplete script types. Therefore, we present Ancient-Bench, a comprehensive benchmark of 2,700 images for ancient Chinese artifact text recognition, featuring three dimensions: Multi-millennial (spanning 3,000 years of character evolution), Multi-medium (covering nine artifact categories), and Multi-script (encompassing seven historical script forms). To enable consistent and fair evaluation across heterogeneous media, we further define three annotation standards tailored to the medium-specific characteristics of ancient texts: symbol standardization, character standardization, and parsing standardization. Extensive experiments on Ancient-Bench covering general Vision-Language Models (VLMs) and OCR-specialist models reveal that ancient Chinese artifact text recognition remains fundamentally unsolved, with persistent challenges in variant characters, specialized symbols, and hallucination. The dataset is available at https://github.com/SCUT-DLVCLab/Ancient_Bench.
- Abstract（参考訳）: 古代中国のアーティファクトテキスト認識は、遺産のデジタル化に欠かせないものであり、古代のテキストのベンチマークは、現在のモデル能力を評価する上で欠かせないものである。
しかし、既存のベンチマークでは、時間的カバレッジの制限、メディアの多様性の制限、不完全なスクリプトタイプといった「フラグメンテーション」に悩まされている。
そこで,古ベンチは古代中国の古文書認識のための2,700枚の画像の総合的なベンチマークを行い,多年紀(3000年にわたるキャラクター進化),多年紀(9つのアーティファクトカテゴリを含む),多年紀(7つの歴史書体を包含する)の3次元を特徴とする。
異質なメディア間で一貫した公正な評価を可能にするため,シンボルの標準化,文字の標準化,解析の標準化という,古代テキストの媒体特有の特徴に合わせた3つのアノテーション標準を新たに定義する。
ヴィジュアル・ランゲージ・モデル(VLM)とOCR-スペシャリスト・モデルをカバーする古代ベンチに関する広範な実験により、古代中国の人工物による文字認識は基本的に未解決のままであり、変種文字、特殊記号、幻覚に永続的な課題があることが明らかになった。
データセットはhttps://github.com/SCUT-DLVCLab/Ancient_Benchで公開されている。
関連論文リスト
- A Text Recognition Dataset from Sahidic Coptic Ancient Manuscripts [43.31909972506497]
SCAM (Shidic Coptic Ancient Manuscripts) は、絶滅したSahidic Coptic 方言で書かれたデジタル化された古代の写本から構築された新しいラインレベルのデータセットである。
SCAMは、サヒド・コプト(英語版)の資源が不足し、その非共通アルファベット、方言特有のダイアクリティカルティクス(英語版)が不足しているため、言語学的に重大な課題を提起している。
我々は、異なるパラダイムに基づいて、いくつかの最先端のアプローチをベンチマークし、この設定における制限と強みを強調した。
論文 参考訳（メタデータ） (2026-06-14T19:26:42Z) - AncientBench: Towards Comprehensive Evaluation on Excavated and Transmitted Chinese Corpora [20.655514486215196]
大規模言語モデルの急速な発展には、古代文字の理解を評価するためのベンチマークが必要である。
古代ベンチは、特に発掘文書のシナリオにおいて、古代文字の理解を評価することを目的としている。
ベンチマークには、急進性、音声急進性、ホモフォン、クローゼ、翻訳などを含む10のタスクも含まれている。
論文 参考訳（メタデータ） (2025-12-19T16:28:57Z) - Benchmarking Vision-Language Models on Chinese Ancient Documents: From OCR to Knowledge Reasoning [37.68293827920165]
我々は,VLM(Vision-Language Models)を評価するために設計された,中国の古文書の最初のベンチマークであるOstDocを提示する。
古代文書には5つのタスク(ページレベルのOCR、頂点翻訳、推論に基づくQA、知識に基づくQA、言語的な変種QA)があり、14のドキュメントタイプ、100冊以上の書籍、約3,000ページをカバーしている。
AncientDocをベースとして,複数のメトリクスを用いて主流のVLMを評価し,人手によるスコアリングのための大規模言語モデルで補足した。
論文 参考訳（メタデータ） (2025-09-10T13:02:29Z) - TextVidBench: A Benchmark for Long Video Scene Text Understanding [60.94150574231576]
TextVidBenchは、長ビデオテキスト質問応答用に設計された最初のベンチマークである(>3分)。
TextVidBenchは3つの重要な貢献をしている: 9つのカテゴリ(ニュース、スポーツ、ゲームなど)を平均2306秒で拡大し、より現実的な長ビデオ理解を可能にする。
i)IT-ロープ機構と時間的プロンプトエンジニアリングを導入し、時間的知覚を高めること、(ii)非一様位置符号化を採用して長いビデオシーケンスをよりよく扱うこと、(iii)軽量な微調整を施すことにより、大規模モデルを改善するための効率的なパラダイムを提案する。
論文 参考訳（メタデータ） (2025-06-05T12:54:56Z) - Beyond Words: Advancing Long-Text Image Generation via Multimodal Autoregressive Models [76.68654868991517]
スライドや文書の段落などの画像中の長文は、現在の生成モデルにとって大きな課題である。
詳細なシーンテキストの特徴をキャプチャするために最適化された新しいテキスト中心のバイナリトークンーを導入します。
モデルNameは,高画質の長文画像を前例のない忠実度で生成するマルチモーダル自己回帰モデルである。
論文 参考訳（メタデータ） (2025-03-26T03:44:25Z) - Fùxì: A Benchmark for Evaluating Language Models on Ancient Chinese Text Understanding and Generation [20.87296508045343]
我々は21種類のタスクに対する理解と生成の両方の能力を評価する総合的なベンチマークであるFuxiを紹介する。
我々は,理解タスクと生成タスクの間に大きなパフォーマンスギャップを生じさせ,モデルが有望な結果を得るためには理解が難しいが,生成タスクではかなり苦労する。
本研究は,古代中国のテキスト処理における現状の限界に注目し,今後のモデル開発への洞察を提供するものである。
論文 参考訳（メタデータ） (2025-03-20T04:26:40Z) - TextAtlas5M: A Large-scale Dataset for Dense Text Image Generation [88.14715494221123]
テキスト条件付き画像生成における長文レンダリングの評価を目的とした,新しいデータセットであるTextAtlas5Mを紹介する。
私たちのデータセットは、500万の長文生成と、さまざまなデータタイプにわたる画像の収集で構成されています。
さらに、3つのデータドメインにまたがる3000の人間改良テストセットTextAtlasEvalをキュレートし、テキスト条件生成のための最も広範なベンチマークの1つを確立します。
論文 参考訳（メタデータ） (2025-02-11T18:59:19Z) - ASCIIEval: Benchmarking Models' Visual Perception in Text Strings via ASCII Art [83.95594027644124]
我々は,この問題を認識タスクとみなし,新しいベンチマークASCIIEvalを構築した。
精巧な分類木を持つ3Kサンプルに加えて、さらなる拡張のためのトレーニングセットもカバーしている。
テキスト入力が与えられた言語モデルは、ASCIIアートの概念に基づいて視覚的知覚能力を示す。
画像入力において,オープンソースのMLLMは,微細なテキスト認識と集合的視覚知覚のトレードオフに悩まされていることが明らかになった。
論文 参考訳（メタデータ） (2024-10-02T16:46:01Z) - 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) - LOT: A Benchmark for Evaluating Chinese Long Text Understanding and
Generation [49.57366550980932]
ロングテキストモデリングは、長距離コモンセンスや談話関係のモデリングのような多くの機能を必要とする。
中国語長文モデリング評価のための2つの理解と2つの世代タスクを含むベンチマークであるLOTを提案する。
我々は、最大10億のパラメータを持つLongLMという、エンコーダ-デコーダ中国の長文事前学習モデルをリリースする。
論文 参考訳（メタデータ） (2021-08-30T02:38:32Z)
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。