論文の概要: InscriptionOCR: A Dataset and Method for Understanding Inscriptions
- arxiv url: http://arxiv.org/abs/2610.09439v1
- Date: Wed, 07 Oct 2026 04:50:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.718594
- Title: InscriptionOCR: A Dataset and Method for Understanding Inscriptions
- Title（参考訳）: InscriptionOCR: 入力を理解するためのデータセットと方法
- Abstract要約: アショーカン・ブラフミ(Ashokan Brahmi)は、紀元前3世紀のアショーカ天皇の治世に広く用いられた古代の書体である。
我々は、画像強調、光学文字認識(OCR)、翻訳、ニューラルマシン翻訳(NMT)を含む古代の碑文を理解するためのエンドツーエンドAIベースのフレームワークを提案する。
提案したパイプラインは,石碑文から直接取得した低品質画像を処理し,画像復元とブラフミ文字文字認識を行い,認識された文字をローマ文字にマッピングし,その結果得られたプラークリット文字を英語に翻訳する。
- 参考スコア（独自算出の注目度）: 8.019369694843009
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ancient script image restoration is a fundamental problem in computer vision, as it directly affects the reliable analysis and interpretation of historical documents and inscriptions. Ashokan Brahmi is an ancient script extensively used during the reign of Emperor Ashoka in the 3rd century BC, primarily for inscriptions in Prakrit. These inscriptions, including major and minor rock and pillar edicts, constitute a valuable yet largely unexplored source of data for computational analysis. The degraded nature of inscription imagery and the lack of standardized digital resources pose significant challenges for automated processing. We present an end-to-end AI-based framework for understanding ancient inscriptions that encompasses image enhancement, optical character recognition (OCR), transliteration, and neural machine translation (NMT). The proposed pipeline processes low-quality images captured directly from stone inscriptions, performs image restoration and Brahmi script character recognition, maps the recognized characters to the Roman script, and finally translates the resulting Prakrit text into English. We also introduce two new datasets: (i) InscriptionOCR Dataset: the largest publicly usable digital OCR dataset for Brahmi script to date, consisting of over 200,000 character images across about 600 classes, and (ii) a bilingual Prakrit-English parallel corpus comprising over 2,000 sentence pairs for NMT. We believe that the proposed framework and datasets will facilitate future research in ancient script analysis, low-resource OCR, and digital epigraphy.
- Abstract（参考訳）: 古代の文字画像復元はコンピュータビジョンの基本的な問題であり、歴史的文書や碑文の信頼性のある分析と解釈に直接影響を及ぼす。
アショーカン・ブラフミ(Ashokan Brahmi)は、紀元前3世紀のアショーカ帝の時代に、主にプラークリットの碑文に広く用いられた古代の書体である。
これらの碑文は、主要およびマイナーな岩や柱の予測を含むもので、計算解析のための価値はあるが、ほとんど探索されていないデータ源となっている。
入力画像の劣化の性質と標準化されたデジタルリソースの欠如は、自動処理に重大な課題をもたらす。
我々は、画像強調、光学文字認識(OCR)、翻訳、ニューラルマシン翻訳(NMT)を含む、古代の碑文を理解するためのエンドツーエンドAIベースのフレームワークを提案する。
提案したパイプラインは,石碑文から直接取得した低品質画像を処理し,画像復元とブラフミ文字文字認識を行い,認識された文字をローマ文字にマッピングし,その結果得られたプラークリット文字を英語に翻訳する。
また、2つの新しいデータセットも導入します。
i)InscriptionOCR Dataset:600以上のクラスに20万以上の文字イメージからなるBrahmiスクリプト用の公開可能な最大デジタルOCRデータセット。
(ii)NMT用の2000以上の文対からなるバイリンガルなPrakrit- English parallel corpus。
提案するフレームワークとデータセットは、古代のスクリプト分析、低リソースのOCR、デジタルエピグラフィーにおける将来の研究を促進するものと信じている。
関連論文リスト
- TongGuOCR: A Layout-Aware and Token-Augmented OCR MLLM for Chinese Historical Documents [50.64307290680222]
TongGuOCRは、中国古文書のOCRのためのレイアウト対応およびトークン拡張型マルチモーダル言語モデル(MLLM)である。
TongGuOCRは93.76 ARを達成し、NEDを10.43から6.15に、RO-EDを7.53から3.49に下げる。
論文 参考訳（メタデータ） (2026-08-08T04:50:00Z) - Koshur Pixel: a large-scale synthetic ocr dataset for kashmiri [0.0]
我々は、Kashmiriのための最初の大規模合成OCRデータセットであるKoshur Pixelを紹介する。
Koshur Pixelは、SynthOCR-Genフレームワークを使用してKS-PRET-5Mコーパスから生成された613,078の画像テキストペアで構成されている。
論文 参考訳（メタデータ） (2026-06-22T10:42:36Z) - 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) - Zero-Shot Chinese Character Recognition with Hierarchical Multi-Granularity Image-Text Aligning [52.92837273570818]
漢字は独特な構造と構成規則を示しており、表現にきめ細かい意味情報を使用することが可能である。
コントラストパラダイムに基づく階層型多言語画像テキストアライニング(Hi-GITA)フレームワークを提案する。
提案したHi-GITAは既存のゼロショットCCR法より優れている。
論文 参考訳（メタデータ） (2025-05-30T17:39:14Z) - Post-OCR Text Correction for Bulgarian Historical Documents [31.072768715994318]
我々は、最初の標準ブルガリア正書法であるドリノフ正書法で書かれた歴史的ブルガリア文書のOCRテキスト補正を評価するための最初のベンチマークデータセットを作成する。
次に、直近のLLMとエンコーダ・デコーダ・フレームワークを用いて、斜めの注意損失とコピー・アンド・カバー機構を増強し、OCR後のテキスト修正を改善する。
提案手法は,認識時に導入された誤りを低減し,文書の品質を25%向上させる。
論文 参考訳（メタデータ） (2024-08-31T19:27:46Z) - Image Based Character Recognition, Documentation System To Decode Inscription From Temple [0.0]
このプロジェクトは、ブリハデシュワラー神殿の壁に発見された10世紀のタミル語碑文に適用された光学的文字認識OCR法の訓練と分析を行っている。
選択されたOCRには、生データを前処理するために現代的なICR技術を使用した広く使われているOCRエンジンであるTesseractと、我々のモデルを微調整するためのボックス編集ソフトウェアが含まれる。
テッセラクトによる分析は、古代タミル文字のニュアンスを正確に解読する効果を評価することを目的としている。
論文 参考訳（メタデータ） (2024-05-21T17:20:35Z) - PHD: Pixel-Based Language Modeling of Historical Documents [55.75201940642297]
実史文書に類似した合成スキャンを生成する新しい手法を提案する。
我々は,1700-1900年代における合成スキャンと実際の歴史新聞を組み合わせて,我々のモデルであるPHDを事前訓練した。
我々は、この領域におけるその有用性を強調しながら、我々のモデルを歴史的QAタスクに適用することに成功しました。
論文 参考訳（メタデータ） (2023-10-22T08:45:48Z) - Language Matters: A Weakly Supervised Pre-training Approach for Scene
Text Detection and Spotting [69.77701325270047]
本稿では,シーンテキストを効果的に表現できる弱教師付き事前学習手法を提案する。
本ネットワークは,画像エンコーダと文字認識型テキストエンコーダから構成され,視覚的特徴とテキスト的特徴を抽出する。
実験により、事前訓練されたモデルは、重みを他のテキスト検出やスポッティングネットワークに転送しながら、Fスコアを+2.5%、+4.8%改善することが示された。
論文 参考訳（メタデータ） (2022-03-08T08:10:45Z) - Development of a New Image-to-text Conversion System for Pashto, Farsi
and Traditional Chinese [0.6719751155411076]
我々は,複数の言語や書き起こしシステムのための,より正確な画像からテキストへの変換ソフトウェアを開発した。
その中には、FarsiとPashtoのカーシブ・スクリプト、ラテン・カーシブ・スクリプトが含まれる。
また、非帰納的だが、65,000文字からなる非常に大きな文字セットを特徴とする漢文へのアプローチについても述べる。
論文 参考訳（メタデータ） (2020-05-08T17:58:48Z)
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。