論文の概要: Generative Text Modelling and Language-Guided Visual Attention for Deciphering Palimpsests

• arxiv url: http://arxiv.org/abs/2610.24060v1
• Date: Fri, 16 Oct 2026 17:56:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 11:16:52.444898
• Title: Generative Text Modelling and Language-Guided Visual Attention for Deciphering Palimpsests
• Title（参考訳）: パームプテストのための生成テキストモデリングと言語誘導型ビジュアルアテンション
• Abstract要約: 本稿では,手書き手書きテキストの自動モデリングへのアプローチを提案する。 本稿では,GAN(Generative Adversarial Networks)や拡散モデルを含む生成モデルについて検討し,独自の微分拡散モデルの設計を行う。 復元されたテキストはその後、微調整された注目に基づく手書きテキスト認識ネットワークによって処理される。
• 参考スコア（独自算出の注目度）: 0.7299729677753102
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recovering obscured text in palimpsests, i.e. the manuscripts where the original writing (under-text) was erased and overwritten for reuse, is vital for preserving lost information. Due to the nature of the material, such a task can be highly challenging and time-consuming. This paper presents an approach towards automated palimpsest handwritten text modeling for under-text recovery. We investigate generative models, including Generative Adversarial Networks (GANs) and diffusion models, and design a custom denoising diffusion model that learns structured noise patterns to reconstruct the under-text. The recovered text is subsequently processed by a fine-tuned, attention-based handwritten text recognition network. Furthermore, we investigate a language-guided recognition framework that leverages textual class descriptions as informative priors, enabling the text recognition model to distinguish meaningful features from noise. This is achieved by grounding task-specific descriptions, phrased in words or sentences, through visual attention maps generated by pretrained vision-language models like CLIP (Contrastive Language-Image Pre-training). To facilitate future research and benchmarking, we release new datasets for synthetic palimpsests (currently scarce), CLIP-compatible text descriptions, and pre-trained models with code.
• Abstract（参考訳）: 原文が削除され、再利用のために上書きされた写本は、紛失した情報の保存に不可欠である。 素材の性質上、そのような作業は非常に困難で時間を要する可能性がある。 本稿では,手書き手書きテキストの自動モデリングへのアプローチを提案する。 本稿では,GAN(Generative Adversarial Networks)や拡散モデルなどの生成モデルについて検討し,構造的雑音パターンを学習して下層文を再構成する独自の認知拡散モデルを設計する。 復元されたテキストはその後、微調整された注目に基づく手書きテキスト認識ネットワークによって処理される。 さらに,テキストのクラス記述を事前情報として活用し,意味のある特徴とノイズを識別するテキスト認識モデルを提案する。 これは、CLIP(Contrastive Language- Image Pre-training)のような事前訓練された視覚言語モデルによって生成された視覚的注意マップを通じて、単語や文で表現されたタスク固有の記述を基底にすることで達成される。 将来の研究とベンチマークを容易にするため、私たちはCLIP互換のテキスト記述、コード付きトレーニング済みモデルのための新しいデータセットをリリースする。

関連論文リスト

• RePrompt: Reasoning-Augmented Reprompting for Text-to-Image Generation via Reinforcement Learning [88.14234949860105]
  RePromptは、強化学習による迅速な強化プロセスに明示的な推論を導入する、新しいリプロンプトフレームワークである。 提案手法は,人手による注釈付きデータなしでエンドツーエンドのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2025-05-23T06:44:26Z)
• Empowering Backbone Models for Visual Text Generation with Input Granularity Control and Glyph-Aware Training [68.41837295318152]
  拡散に基づくテキスト・ツー・イメージモデルでは、多様性と美学の素晴らしい成果が示されているが、視覚的なテキストで画像を生成するのに苦労している。 既存のバックボーンモデルには、ミススペル、テキスト生成の失敗、中国語テキストのサポートの欠如といった制限がある。 本稿では,英語と中国語の視覚テキスト生成にバックボーンモデルを活用するための一連の手法を提案する。
  論文  参考訳（メタデータ） (2024-10-06T10:25:39Z)
• Learning Robust Named Entity Recognizers From Noisy Data With Retrieval Augmentation [67.89838237013078]
  名前付きエンティティ認識(NER)モデルは、しばしばノイズの多い入力に悩まされる。 ノイズの多いテキストとそのNERラベルのみを利用できる、より現実的な設定を提案する。 我々は、推論中にテキストを取得することなく、堅牢なNERを改善するマルチビュートレーニングフレームワークを採用している。
  論文  参考訳（メタデータ） (2024-07-26T07:30:41Z)
• ARTIST: Improving the Generation of Text-rich Images with Disentangled Diffusion Models and Large Language Models [52.23899502520261]
  本稿では,テキスト構造の学習に特化するために,専用のテキスト拡散モデルを組み込んだARTISTという新しいフレームワークを紹介する。 我々は、事前訓練されたテキスト構造モデルからテキスト構造情報を同化できるように、視覚拡散モデルを微調整する。 この歪んだアーキテクチャ設計とトレーニング戦略は、テキストリッチな画像生成のための拡散モデルのテキストレンダリング能力を著しく向上させる。
  論文  参考訳（メタデータ） (2024-06-17T19:31:24Z)
• Deep dive into language traits of AI-generated Abstracts [5.209583971923267]
  ChatGPTのような生成言語モデルは、人間のような文章を生成する能力に注意を向けている。 本研究では,ChatGPTが生成する抽象概念を,長さとバウンドがはるかに短い方法で検出しようと試みる。 テキストの意味的特徴と語彙的特性を抽出し、従来の機械学習モデルがこれらの抽象概念を確実に検出できることを観察する。
  論文  参考訳（メタデータ） (2023-12-17T06:03:33Z)
• Generating Faithful Text From a Knowledge Graph with Noisy Reference Text [26.6775578332187]
  与えられたグラフから忠実な自然言語テキストを生成することができるKG-to-text生成モデルを開発した。 まず、コントラスト学習を利用して、テキスト内の忠実な情報と幻覚的な情報を区別するモデルの能力を強化する。 第2に、制御可能なテキスト生成技術を用いて、デコーダに生成したテキストの幻覚レベルを制御する権限を与える。
  論文  参考訳（メタデータ） (2023-08-12T07:12:45Z)
• WordStylist: Styled Verbatim Handwritten Text Generation with Latent Diffusion Models [8.334487584550185]
  単語レベルに基づくテキスト・テキスト・コンテンツ・イメージ生成のための遅延拡散に基づく手法を提案する。 提案手法は,異なる書き手スタイルからリアルな単語画像のサンプルを生成することができる。 提案モデルでは,美的満足度の高いサンプルを作成し,テキスト認識性能の向上に寄与し,類似の文字検索スコアを実データとして得られることを示す。
  論文  参考訳（メタデータ） (2023-03-29T10:19:26Z)

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。