論文の概要: SyntheticDoc: A Large Synthetic Dataset for Document Unwarping and Illumination Correction

• arxiv url: http://arxiv.org/abs/2609.15503v1
• Date: Mon, 14 Sep 2026 12:54:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.399622
• Title: SyntheticDoc: A Large Synthetic Dataset for Document Unwarping and Illumination Correction
• Title（参考訳）: SyntheticDoc: ドキュメントのアンウォープと照明補正のための大規模な合成データセット
• Abstract要約: ドキュメントのアンウォープの境界を押し上げるために設計された、大規模で高品質なデータセットであるSyntheticDocを紹介します。 SyntheticDocは、1000,000の高解像度の手続き的に生成されたトレーニングサンプルと、広範な検証とテストセットで構成されている。 物理精度とフォトリアリズムを確保するため、紙のジオメトリは物理ベースのシミュレータを通して生成され、パストレーサを用いてレンダリングされる。
• 参考スコア（独自算出の注目度）: 12.131842710988144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning models have become the standard tool for document rectification and illumination correction, yet their performance is fundamentally bound by their training data. For nearly a decade, the community has heavily relied on Doc3D, a pioneering but increasingly limited document unwarping dataset in terms of scale and quality. To address this bottleneck, we introduce SyntheticDoc, a massive, high-quality dataset designed to push the boundaries of document unwarping. SyntheticDoc is composed of 1,000,000 high-resolution procedurally generated training samples, alongside extensive validation and test sets. Each sample is paired with rich, pixel-perfect annotations, including UV maps, normal maps, albedo and shading. To ensure physical accuracy and photorealism, the paper geometries are generated via a physics-based simulator and rendered using a path tracer. To demonstrate the benefit of our dataset, we train a simple baseline model on SyntheticDoc and report on its performance in comparison to state-of-the-art methods on both document unwarping and illumination correction tasks. Our dataset is available at https://igl.ethz.ch/projects/SyntheticDoc/ and the code used to generate it at https://github.com/tanguymagne/SyntheticDoc .
• Abstract（参考訳）: 深層学習モデルは、文書の修正と照明補正の標準ツールとなっているが、その性能は訓練データによって根本的に制限されている。 コミュニティは10年近く、Doc3Dに大きく依存してきた。 このボトルネックに対処するために、ドキュメントのアンウォープの境界を押し上げるように設計された、大規模で高品質なデータセットであるSyntheticDocを紹介します。 SyntheticDocは、1000,000の高解像度の手続き的に生成されたトレーニングサンプルと、広範な検証とテストセットで構成されている。 各サンプルは、UVマップ、正常マップ、アルベド、シェーディングを含むリッチでピクセル完全アノテーションとペアリングされる。 物理精度とフォトリアリズムを確保するため、紙のジオメトリは物理ベースのシミュレータを通して生成され、パストレーサを用いてレンダリングされる。 データセットの利点を実証するため、SyntheticDoc上で単純なベースラインモデルをトレーニングし、文書のアンウォープと照明補正の両タスクにおける最先端の手法と比較して、その性能について報告する。 私たちのデータセットはhttps://igl.ethz.ch/projects/SyntheticDoc/で、生成に使用するコードはhttps://github.com/tanguymagne/SyntheticDocで利用可能です。

関連論文リスト

• FVeinSyn: Synthetic Finger Vein Image Generator [75.79003800700403]
  指静脈認識における大きな課題は、大規模な公開データセットの欠如である。 指静脈用大規模制御可能な合成データ生成フレームワークであるFVeinSynを提案する。
  論文  参考訳（メタデータ） (2026-08-27T14:46:43Z)
• Data-efficient pre-training by scaling synthetic megadocs [108.28995799706763]
  損失スケーリングを向上する合成データアルゴリズムの設計方法について述べる。 まず,Webデータと合成リフレーズを混合した事前学習により,検証損失が向上することを示す。 同じ文書から生成した合成世代は、1つの非常に長いメガドキュメントを形成することができます。
  論文  参考訳（メタデータ） (2026-03-19T06:30:33Z)
• DocDjinn: Controllable Synthetic Document Generation with VLMs and Handwriting Diffusion [5.342168661302001]
  視覚言語モデル(VLM)を用いた制御可能な合成文書生成のための新しいフレームワークを提案する。 提案手法は,既存のソースデータセットの分布に従う視覚的かつ意味論的に一貫した合成文書を生成する。 我々のフレームワークは、実世界のデータセット全体のパフォーマンスに対して平均87%の価格で達成されていることを示す。
  論文  参考訳（メタデータ） (2026-02-25T11:52:13Z)
• UnitCoder: Scalable Iterative Code Synthesis with Unit Test Guidance [65.01483640267885]
  大きな言語モデル(LLM)は、様々なタスクにおいて顕著な能力を示してきたが、コード生成は依然として大きな課題である。 私たちは、モデル生成ユニットテストを活用してコード生成プロセスのガイドと検証を行う、システマティックパイプラインであるUnitCoderを紹介します。 我々の研究は、モデル生成単体テストを利用して、事前学習コーパスから高品質なコードデータの合成を誘導するスケーラブルなアプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-17T05:37:02Z)
• DocLayout-YOLO: Enhancing Document Layout Analysis through Diverse Synthetic Data and Global-to-Local Adaptive Perception [16.301481927603554]
  速度の優位性を保ちながら精度を向上させる新しいアプローチであるDoc-YOLOを導入する。 堅牢な文書事前学習には、Mesh-candidate BestFitアルゴリズムを導入する。 モデル最適化の観点からは,グローバルからローカライズ可能な受信モジュールを提案する。
  論文  参考訳（メタデータ） (2024-10-16T14:50:47Z)
• SynthDoc: Bilingual Documents Synthesis for Visual Document Understanding [23.910783272007407]
  本稿では、ビジュアル文書理解(VDU)を強化するために設計された新しい合成文書生成パイプラインであるSynthDocを紹介する。 データ取得の課題と既存のデータセットの制限に対処するため、SynthDocは、一般公開されたコーパスと高度なレンダリングツールを活用して、包括的な汎用データセットを作成する。 ドナウモデルを用いて実験を行った結果,SynthDocのデータを用いて学習したモデルは,事前学習された読み出しタスクにおいて優れた性能を示し,言語的矛盾にもかかわらず,下流タスクにおいて堅牢性を維持することができた。
  論文  参考訳（メタデータ） (2024-08-27T03:31:24Z)
• UVDoc: Neural Grid-based Document Unwarping [20.51368640747448]
  カジュアルな写真から印刷された文書のオリジナルの平らな外観を復元することは日常的な問題である。 グリッドベースの単一画像文書のアンウォープのための新しい手法を提案する。 本手法は,完全畳み込み型ディープニューラルネットワークを用いて幾何歪み補正を行う。
  論文  参考訳（メタデータ） (2023-02-06T15:53:34Z)
• XDoc: Unified Pre-training for Cross-Format Document Understanding [84.63416346227176]
  XDocは、単一のモデルで異なるドキュメントフォーマットを扱う、統合された事前訓練されたモデルである。 XDocは、トレーニング済みの個々のモデルと比較して、さまざまなダウンストリームタスクで同等またはそれ以上のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-10-06T12:07:18Z)
• RTMV: A Ray-Traced Multi-View Synthetic Dataset for Novel View Synthesis [104.53930611219654]
  約2000の複雑なシーンからレンダリングされた300k画像からなる,新しいビュー合成のための大規模合成データセットを提案する。 データセットは、新しいビュー合成のための既存の合成データセットよりも桁違いに大きい。 高品質な3Dメッシュの4つのソースを使用して、私たちのデータセットのシーンは、カメラビュー、照明、形状、材料、テクスチャの難しいバリエーションを示します。
  論文  参考訳（メタデータ） (2022-05-14T13:15:32Z)
• DocScanner: Robust Document Image Rectification with Progressive Learning [162.03694280524084]
  この研究はDocScannerという、文書画像の修正のための新しいディープネットワークアーキテクチャを提示する。 DocScannerは、修正されたイメージの1つの見積を維持し、再帰的なアーキテクチャで徐々に修正される。 反復的な改善によりDocScannerは堅牢で優れたパフォーマンスに収束し、軽量なリカレントアーキテクチャにより実行効率が保証される。
  論文  参考訳（メタデータ） (2021-10-28T09:15:02Z)
• Generating Synthetic Handwritten Historical Documents With OCR Constrained GANs [2.3808546906079178]
  我々は,無記名歴史画像のコレクションのみを用いて,正確な根拠真理を持つ合成歴史文書を生成する枠組みを提案する。 我々は,大規模ラベル付き歴史文書データセットを精度良く生成することのできる高品質な合成法を実証する。
  論文  参考訳（メタデータ） (2021-03-15T09:39:17Z)

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。