論文の概要: Automated Detection and Encoding of Cartographic Signs in Historical Maps

• arxiv url: http://arxiv.org/abs/2610.13224v1
• Date: Fri, 09 Oct 2026 08:40:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.481476
• Title: Automated Detection and Encoding of Cartographic Signs in Historical Maps
• Title（参考訳）: 歴史的地図における画像信号の自動検出と符号化
• Abstract要約: 複数サインカテゴリと多種多様な地図スタイルにまたがるオープンベンチマークデータセットであるCaSiDDを紹介する。 次に、地図記号のコントラスト付き情報埋め込みを作成するための戦略を示す。 我々の最後の方法は、適応されたRADIOv4のバックボーンに基づいて、シグナリング形式とセマンティクスの両方を効果的にエンコードし、解釈可能な表現を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Symbols and icons in archival maps represent an expansive source of evidence for historical geography. In this paper, we present a two-stage framework for (1) detecting cartographic signs in historical maps and (2) generating interpretable sign embeddings that capture both semantics and stylistic variations. We also introduce CaSiDD, an open benchmark dataset spanning multiple sign categories and diverse cartographic styles, designed for generic sign detection. Using YOLOv10-X, we demonstrate the practicality of automated sign detection on historical maps. We then present strategies for creating contrasted, informative embeddings of cartographic signs. We approach embedding design systematically, maximizing expressiveness while suppressing digitization or background material confounders. Our final method, based on an adapted RADIOv4 backbone, effectively encodes both sign form and semantics, while producing interpretable representations. This work lays a foundation for scalable evidence extraction for the comparative study of map signs within cartographic culture and geohistorical research.
• Abstract（参考訳）: 古地図のシンボルやアイコンは、歴史地理学の証拠の広大な源泉である。 本稿では,(1)歴史地図中の地図記号を検出するための2段階のフレームワークを提案する。 また、複数のサインカテゴリと多種多様な地図スタイルにまたがるオープンベンチマークデータセットであるCaSiDDを導入し、一般的なサイン検出用に設計した。 YOLOv10-Xを用いて,歴史地図における手話の自動検出の実用性を示す。 次に、地図記号のコントラスト付き情報埋め込みを作成するための戦略を示す。 我々は,デジタル化や背景資料の共創者を抑えつつ,表現性を最大化しながら,組込み設計を体系的にアプローチする。 我々の最終手法は、適応されたRADIOv4のバックボーンに基づいて、シグナリング形式とセマンティクスの両方を効果的にエンコードし、解釈可能な表現を生成する。 この研究は、地図文化と地理史研究における地図記号の比較研究のためのスケーラブルな証拠抽出の基礎を築いた。

関連論文リスト

• FRIEDA: Benchmarking Multi-Step Cartographic Reasoning in Vision-Language Models [38.67763789694245]
  本稿では,LVLMにおける複雑な地図解析のためのベンチマークであるFRIEDAを紹介する。 FRIEDAは、トポロジカル(境界、等角、内部)、メートル法(距離)、方向(方位)の3つのカテゴリを対象とする。 最強のモデルであるGemini-2.5-ProとGPT-5-Thinkでさえ、わずか38.20%と37.20%の精度しか達成していない。
  論文  参考訳（メタデータ） (2025-12-08T20:18:15Z)
• MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
  低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。 これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。 プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
  論文  参考訳（メタデータ） (2024-12-24T20:16:13Z)
• Detecting Omissions in Geographic Maps through Computer Vision [18.36056648425432]
  特定地域や特徴ランドマークを指定した地図を自動的に識別する手法を開発し,評価する。 地図を非マップと区別し、表示された領域の精度を確認し、特定のランドマーク名の有無を確認する。 このデータセットの実験では、特定領域のランドマークを除く地図を識別するために、この手法が85.51%のF1スコアを達成することを示した。
  論文  参考訳（メタデータ） (2024-07-15T13:26:58Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• CartoMark: a benchmark dataset for map pattern recognition and 1 map content retrieval with machine intelligence [9.652629004863364]
  我々は,地図テキストアノテーション認識,地図シーン分類,地図超解像再構成,地図スタイル転送のための大規模ベンチマークデータセットを開発した。 これらの良好なラベル付きデータセットは、マップ特徴の検出、マップパターン認識、マップコンテンツ検索を行う最先端のマシンインテリジェンス技術を促進する。
  論文  参考訳（メタデータ） (2023-12-14T01:54:38Z)
• Synthetic Map Generation to Provide Unlimited Training Data for Historical Map Text Detection [5.872532529455414]
  そこで本研究では,テキスト検出モデルのトレーニングのために,注釈付き歴史地図画像の無限量の自動生成手法を提案する。 我々は,現在最先端のテキスト検出モデルが,合成歴史地図の恩恵を受けることを示す。
  論文  参考訳（メタデータ） (2021-12-12T00:27:03Z)
• Narrative Cartography with Knowledge Graphs [10.715484138543069]
  ナレッジグラフ(KG)を用いたナラティブカルトグラフィーの考え方を提案する。 データ取得と統合の課題に取り組むため、我々はKGベースのGeoEnrichmentツールボックスセットを開発した。 このツールの助けを借りて、KGから取得したデータはGIS形式で直接実体化される。
  論文  参考訳（メタデータ） (2021-12-02T04:01:17Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
  解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。 提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
  論文  参考訳（メタデータ） (2020-04-17T11:55:03Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

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。