論文の概要: Beyond Pixel Reconstruction: Retrieval-Guided Glyph-Aware Restoration for Low-Resource Manchu Historical Documents

• arxiv url: http://arxiv.org/abs/2610.00315v1
• Date: Tue, 29 Sep 2026 00:38:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.600033
• Title: Beyond Pixel Reconstruction: Retrieval-Guided Glyph-Aware Restoration for Low-Resource Manchu Historical Documents
• Title（参考訳）: 検索ガイド付きグリフ認識による低解像度満州史料の復元
• Abstract要約: 満州古文書を対象とした検索誘導グリフ対応復元フレームワークを提案する。 本手法は,修復過程における構造的ガイダンスを提供するために,関連するグリフ例を検索し,その情報を復元プロセスに統合する。
• 参考スコア（独自算出の注目度）: 5.9170154029085085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Historical Manchu documents preserve invaluable linguistic and cultural heritage, yet their digitization is hindered by severe degradations and the scarcity of paired training data. Existing document restoration methods primarily optimize pixel-level reconstruction, which can produce visually plausible results while failing to preserve the structural identity of Manchu glyphs. To address this limitation, we propose a retrieval-guided glyph-aware restoration framework that goes beyond pixel reconstruction by explicitly incorporating glyph-level structural knowledge. Our method retrieves relevant glyph exemplars to provide structural guidance during restoration and integrates this information into the reconstruction process, improving the recovery of degraded character structures under low-resource conditions. Extensive experiments on Manchu historical documents demonstrate that the proposed approach improves both image restoration quality and glyph-level fidelity compared with existing restoration methods. These results highlight the importance of incorporating character-aware structural priors for reliable restoration of low-resource historical documents.
• Abstract（参考訳）: 歴史的満州文書は、言語・文化の貴重な遺産を保存しているが、そのデジタル化は、厳格な劣化とペアの訓練データの不足によって妨げられている。 既存の文書復元法は主に画素レベルの再構成を最適化し、マンチューグリフの構造的アイデンティティを保たずに視覚的に可視な結果が得られる。 この制限に対処するために,グリフレベルの構造知識を明示的に取り入れた検索誘導型グリフ認識復元フレームワークを提案する。 本手法は,修復過程における構造的ガイダンスを提供するために,関連するグリフ例を検索し,この情報を再構築プロセスに統合し,低リソース条件下での劣化文字構造の復元を改善する。 満州古文書の広範にわたる実験により,提案手法は既存の復元方法と比較して画像復元品質とグリフレベルの忠実度の両方を向上することを示した。 これらの結果は,低資源史料の信頼性回復のために,文字認識型構造的先入観を取り入れることの重要性を浮き彫りにした。

関連論文リスト

• Think Before You Restore: Risk-Aware Manchu Manuscript Restoration with Stroke-Guided Attention [5.5152516353549546]
  歴史的満州写本の全面的なブラインド復元は、注釈の不足、未知の劣化地域、脆弱な連結脳卒中により困難である。 SAGE-Restoreは、まず、復元が必要な場所を判断し、この評価を用いて、復元候補の生成と画素レベルの選択をガイドする選択的な復元フレームワークである。
  論文  参考訳（メタデータ） (2026-09-28T20:37:18Z)
• 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)
• DVANet: Degradation-aware Visual-prior Alignment Network for Image Restoration [31.441586261696617]
  本稿では,分解認識観測一貫性と視覚的優先誘導再構成の協調的展開プロセスであるDVANetを提案する。 実験により、DVANetはマルチシナリオ劣化とクロスドメイン画像復元タスクにおいて、優れた、あるいは競争的な性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-06-17T14:09:39Z)
• DocRevive: A Unified Pipeline for Document Text Restoration [8.164723249655319]
  本稿では,最先端の光学文字認識(OCR)と高度な画像解析を組み合わせた,新しい統合パイプラインを提案する。 各種文書劣化シナリオをシミュレートする,30,078個の文書画像の合成データセットを作成する。 拡散ベースのモジュールはテキスト、フォント、サイズ、アライメントをシームレスに再統合する。
  論文  参考訳（メタデータ） (2026-04-11T07:50:20Z)
• InstructIR: High-Quality Image Restoration Following Human Instructions [61.1546287323136]
  本稿では,人間の手書きによる画像復元モデルを導出する手法を提案する。 InstructIRという手法は、いくつかの修復作業において最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-01-29T18:53:33Z)
• Image Restoration using Feature-guidance [43.02281823557039]
  そこで本稿では,画像の劣化の空間的特性と,画像固有の特性を扱うための新しいアプローチを提案する。 修復作業は,分解局所化と劣化地域誘導修復の2段階に分解する。 この補助作業のために訓練されたモデルは、修復ネットワークのトレーニングをガイドするために活用できる重要な地域知識を含んでいることを実証する。
  論文  参考訳（メタデータ） (2022-01-01T13:10:19Z)

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。