論文の概要: uTHCD-C: A Corruption-Robustness Benchmark for Tamil Handwritten Character Recognition

• arxiv url: http://arxiv.org/abs/2610.36850v1
• Date: Tue, 27 Oct 2026 08:48:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.248916
• Title: uTHCD-C: A Corruption-Robustness Benchmark for Tamil Handwritten Character Recognition
• Title（参考訳）: uTHCD-C: タミル文字認識のための破壊ロバスト性ベンチマーク
• Abstract要約: 制約のないタミル文字データベース (uTHCD) に基づく汚損評価ベンチマーク uTHCD-C を導入する。 このベンチマークでは、手書き固有のストロークを減らした汚職を含む10種類の汚職を、深刻度レベル5で定義している。 我々は5重層化クロスバリデーションとライター非依存テストを用いて,9つの畳み込み型および変圧器型アーキテクチャを評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluation of Tamil handwritten character recognition (HCR) has largely focused on clean test images, and a standardized multi-corruption robustness benchmark for isolated Tamil HCR has not been established. We introduce uTHCD-C, a corruption-robustness benchmark based on the unconstrained Tamil Handwritten Character Database (uTHCD). The benchmark defines ten corruption types, including a handwriting-specific stroke-thinning corruption, at five severity levels. We evaluate nine convolutional and transformer-based architectures using five-fold stratified cross-validation and writer-independent testing. Robustness is quantified using mean Corruption Error (mCE), normalized against a VGG16-BN reference. We additionally compare parameter count, computational complexity, and inference throughput to characterize the computational requirements of the evaluated architectures. The results establish comparative robustness baselines for Tamil HCR, revealing substantial differences across architectures: ConvNeXt and Swin achieve the lowest mCE values (0.75 and 0.83, respectively), whereas ShuffleNet and MnasNet exhibit higher values (1.55 and 1.85, respectively). The accompanying efficiency measurements characterize the trade-offs between corruption robustness and computational requirements. By providing standardized corruption configurations, evaluation protocols, and comparative results, uTHCD-C establishes a reproducible basis for future research on robust and computationally efficient Tamil HCR.
• Abstract（参考訳）: タミル手書き文字認識(HCR)の評価はクリーンなテスト画像に重点を置いており、タミル手書き文字認識のための標準化されたマルチ破壊堅牢性ベンチマークは確立されていない。 UTHCD-Cは,制約のないタミル文字データベース(uTHCD)をベースとした汚損評価ベンチマークである。 このベンチマークでは、手書き固有のストロークを減らした汚職を含む10種類の汚職を、深刻度レベル5で定義している。 我々は5重層化クロスバリデーションとライター非依存テストを用いて,9つの畳み込み型および変圧器型アーキテクチャを評価した。 VGG16-BN参照に対して正規化された平均破壊誤差(mCE)を用いてロバスト性を定量化する。 さらに、パラメータカウント、計算複雑性、推論スループットを比較して、評価されたアーキテクチャの計算要求を特徴付ける。 ConvNeXt と Swin は最低 mCE の値 (0.75 と 0.83 ) を達成し、ShuffleNet と MnasNet はより高い値 (1.55 と 1.85 ) を示した。 付随する効率測定は、汚職の堅牢性と計算要求の間のトレードオフを特徴付ける。 uTHCD-Cは、標準化された汚職構成、評価プロトコル、および比較結果を提供することにより、堅牢で計算効率のよいタミルHCRの研究のための再現可能な基盤を確立する。

関連論文リスト

• RAGStress: A controlled benchmark for evaluating retrieval-augmented generation under knowledge-base degradation [5.443663111285487]
  RAGStress(RAGStress)は、ストレステストを行うRAGシステムの制御された評価ベンチマークである。 ベンチマークの意図された使用、サポートされたクレーム、制限を文書化し、生成スクリプト、汚職プロンプト、メタデータスキーマ、評価コードを含むアーティファクトバンドルを提供する。
  論文  参考訳（メタデータ） (2026-10-03T18:07:17Z)
• How Robust is OCR-Reasoning? Evaluating OCR-Reasoning Robustness of Vision-Language Models under Visual Perturbations [17.186250064889887]
  視覚言語モデル(VLM)はOCRベースのベンチマークでは高い性能を達成しているが、制御された視覚劣化下での頑健さは十分に理解されていない。 視覚的摂動下でのOCR推論の堅牢性を評価するためのベンチマークであるOCR-Robustを紹介する。 我々は18以上の候補摂動のパイロットスタディを行い、その影響とモデル間識別性に基づいて、それぞれ3つの重度レベルに5つの代表型を選択した。
  論文  参考訳（メタデータ） (2026-06-24T17:15:42Z)
• CORE: Context-Robust Remasking for Diffusion Language Models [51.59514489363897]
  我々は、推論時リビジョンのためのトレーニング不要フレームワークであるContext-Robust Remasking (CORE)を提案する。 静的トークンの確率を信頼するのではなく、COREは、ターゲットとなるマスク付きコンテキストの摂動に対する感受性を示すことによって、コンテキスト不安定なトークンを識別する。 LLaDA-8B-Baseでは、COREは推論とコードベンチマークの間で一貫した改善を行い、計算に適合したベースラインを上回り、MBPPを最大9.2%改善した。
  論文  参考訳（メタデータ） (2026-02-04T00:12:30Z)
• Residual Context Diffusion Language Models [90.07635240595926]
  Residual Context Diffusion (RCD) は、捨てられたトークン表現をコンテキスト残留に変換し、次のデノイングステップでそれらを注入するモジュールである。 RCDは、最小限の計算オーバーヘッドで、5-10ポイントの精度でフロンティアdLLMを一貫して改善する。
  論文  参考訳（メタデータ） (2026-01-30T13:16:32Z)
• CROC: Evaluating and Training T2I Metrics with Pseudo- and Human-Labeled Contrastive Robustness Checks [46.89839054706183]
  CROC(Contrastive Robustness Checks)を提案する。 我々は100万以上の対照的なプロンプトイメージ対の擬似ラベル付きデータセットを生成する。 また、このデータセットを使ってCROCScoreをトレーニングしています。
  論文  参考訳（メタデータ） (2025-05-16T14:39:44Z)
• Geometric Median Matching for Robust k-Subset Selection from Noisy Data [75.86423267723728]
  最適分解点1/2のロバストな推定器であるGeometric Medianを利用する新しいk-subset選択法を提案する。 提案手法は, k-subset を反復的に選択し,部分集合の平均が(潜在的に)ノイズデータセットの GM に近似し,任意の汚損の下でもロバスト性を確保する。
  論文  参考訳（メタデータ） (2025-04-01T09:22:05Z)
• Classification of Non-native Handwritten Characters Using Convolutional Neural Network [0.0]
  非ネイティブユーザによる英語文字の分類は、カスタマイズされたCNNモデルを提案することによって行われる。 我々はこのCNNを、手書きの独立した英語文字データセットと呼ばれる新しいデータセットでトレーニングする。 5つの畳み込み層と1つの隠蔽層を持つモデルでは、文字認識精度において最先端モデルよりも優れる。
  論文  参考訳（メタデータ） (2024-06-06T21:08:07Z)
• CTC-based Non-autoregressive Speech Translation [51.37920141751813]
  非自己回帰音声翻訳における接続性時間分類の可能性について検討する。 我々は、CTCによって誘導される2つのエンコーダからなるモデルを構築し、ソースおよびターゲットテキストを予測する。 MuST-Cベンチマークの実験では、我々のNASTモデルは平均BLEUスコアが29.5であり、スピードアップは5.67$times$である。
  論文  参考訳（メタデータ） (2023-05-27T03:54:09Z)
• Using the Overlapping Score to Improve Corruption Benchmarks [6.445605125467574]
  本稿では、汚職ベンチマークの欠陥を明らかにするために、汚職重複スコアと呼ばれる指標を提案する。 汚職間の重複を考慮に入れれば、既存のベンチマークを改善したり、より良いベンチマークを構築するのに役立ちます。
  論文  参考訳（メタデータ） (2021-05-26T06:42:54Z)

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。