論文の概要: Forensic Text Recovery from Document Thumbnails Using Text-Aware U-Net

• arxiv url: http://arxiv.org/abs/2610.15902v1
• Date: Sun, 11 Oct 2026 20:30:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 15:23:46.738473
• Title: Forensic Text Recovery from Document Thumbnails Using Text-Aware U-Net
• Title（参考訳）: テキスト認識型U-Netを用いた文書サムネイルからの法医学的テキスト復元
• Abstract要約: 低分解能ワードサムネイルの法医学的解析は重要な課題である。 これらの遺物は、削除された文書の唯一の視覚的証拠となるかもしれない。 法医学的トリアージのためのテキスト認識復元フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.922128242983146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forensic analysis of low-resolution Word thumbnails presents a significant challenge because these artifacts may constitute the only remaining visual evidence of deleted documents. Standard Optical Character Recognition (OCR) tools perform poorly on such severely degraded images, creating a critical bottleneck in forensic evidence recovery. Although deep learning architectures, such as U-Net, can improve visual image quality, models optimized solely using pixel-based loss functions tend to favor visual smoothness over the structural fidelity required for accurate text recognition. To address this limitation, we propose a text-aware restoration framework designed for forensic triage. The proposed approach employs a U-Net architecture guided by a hybrid optimization strategy that integrates pixel-level fidelity with machine-readable text constraints. Specifically, an OCR-based Normalized Levenshtein Distance (NLD) metric is used during model selection to prioritize the recovery of an accurate character topology. Experimental results demonstrate that the proposed method significantly reduces the NLD, enabling reliable recovery of machine-readable text from severely degraded thumbnails.
• Abstract（参考訳）: 低解像度のWordサムネイルの法医学的分析は、これらのアーティファクトが、削除された文書の唯一の視覚的証拠となるため、重大な課題となる。 標準光学文字認識(OCR)ツールは、このようなひどく劣化した画像に対して性能が悪く、法医学的証拠回復において重大なボトルネックとなる。 U-Netのようなディープラーニングアーキテクチャは、画像品質を改善することができるが、ピクセルベースの損失関数のみに最適化されたモデルは、正確なテキスト認識に必要な構造的忠実さよりも視覚的滑らかさを優先する傾向にある。 この制限に対処するため,法医学的トリアージのためのテキスト認識復元フレームワークを提案する。 提案手法は,画素レベルの忠実度と機械可読テキスト制約を統合するハイブリッド最適化戦略によって導かれるU-Netアーキテクチャを用いる。 具体的には,OCRをベースとした正規化レベンシュテイン距離(NLD)測定値を用いて,正確な文字トポロジの回復を優先する。 実験の結果,提案手法はNLDを著しく低減し,機械可読テキストを重く劣化したサムネイルから確実に復元できることを示した。

関連論文リスト

• When Low CER is Not Enough: An Analysis of Hallucinations in Vision-Language OCR Systems on Historical Uruguayan Documents [6.6457932580691015]
  VLM(Vision-Language Models)は、従来のOCRシステムに代わる強力な代替手段として登場した。 本研究では,従来のOCRシステムとVLMに基づくアプローチをBerruttiデータセット上でベンチマークする。
  論文  参考訳（メタデータ） (2026-07-27T07:19:00Z)
• 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)
• ForgeryVCR: Visual-Centric Reasoning via Efficient Forensic Tools in MLLMs for Image Forgery Detection and Localization [62.03035862528452]
  ForgeryVCRは、視覚中心推論(Visual-Centric Reasoning)を通じて、知覚できないトレースを明示的な視覚中間体に物質化するフレームワークである。 ForgeryVCRは、検出タスクとローカライゼーションタスクの両方において、最先端(SOTA)のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-15T11:14:47Z)
• TokBench: Evaluating Your Visual Tokenizer before Visual Generation [75.38270351179018]
  さまざまな画像トークンやVAEに対して,テキストと顔の復元品質をさまざまな尺度で分析する。 以上の結果から, 現代の視覚トークン化器は, 特に小規模では, 細粒度保存に苦慮していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-05-23T17:52:16Z)
• End-to-End Semantic Preservation in Text-Aware Image Compression Systems [42.76781276416154]
  光文字認識(OCR)のためのテキスト固有の特徴を保持するエンドツーエンド圧縮フレームワークを提案する。 実験では、低速度でのテキスト抽出精度が大幅に向上し、圧縮されていない画像ではOCRよりも優れていた。 我々はこの研究を汎用エンコーダに拡張し、極端圧縮下で隠れセマンティクスを保存する能力を探究する。
  論文  参考訳（メタデータ） (2025-03-25T09:36:13Z)
• Optimization of Image Processing Algorithms for Character Recognition in Cultural Typewritten Documents [0.8158530638728501]
  光文字認識(OCR)における画像処理手法とパラメータチューニングの影響について検討する。 この手法は多目的問題定式化を用いて、Levenshtein編集距離を最小化し、非支配的ソート遺伝的アルゴリズム(NSGA-II)で正しく同定された単語数を最大化する。 以上の結果から,OCRにおける画像前処理アルゴリズムの活用は,前処理なしのテキスト認識タスクが良い結果を出さないタイプに適している可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-27T11:44:46Z)
• Image Super-Resolution with Text Prompt Diffusion [118.023531454099]
  画像SRにテキストプロンプトを導入し、劣化前の情報を提供する。 PromptSRは、最新のマルチモーダル大言語モデル(MLLM)を利用して、低解像度画像からプロンプトを生成する。 実験により、テキストプロンプトをSRに導入すると、合成画像と実世界の画像の両方で印象的な結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-11-24T05:11:35Z)
• Text detection and recognition based on a lensless imaging system [6.769458974198602]
  ディープラーニングベースのパイプライン構造のフレームワークは、レンズレスカメラによってキャプチャされた生データから3ステップのテキストを認識するために構築された。 本研究は、レンズレスカメラシステムにおけるテキスト検出および認識タスクを合理的に実証する。
  論文  参考訳（メタデータ） (2022-10-09T12:31:09Z)

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。