Jun, 2023

通过深度学习进行埃拉米楔形文字的定位和分类

PDF
TL;DR利用 DeepScribe 模块，能够从阿契美尼德王朝时期的楔形文字片段中，通过目标检测、分类和聚类等机器学习技术，提供有效的翻译建议。
deepscribecuneiformtranscriptionobject detectionachaemenid empire
发现论文，激发创造
  • 基于卷积神经网络的楔形文字标志检测，使用带灯光增强的标注三维渲染和映射照片

    通过数字化古代近东研究（DANES）社区的挑战，我们开发了用于处理楔形文字的数字工具，这是一种镌刻在泥板上的三维文字，使用了三千多年和至少八种主要语言。我们创建和使用了 HeiCuBeDa 和 MaiCuBeDa 数据集，包含约 500 个带注释的泥板。我们的新型 OCR 样式方法针对混合图像数据，提供了一种在三维渲染和照片之间转移注释的映射工具。我们使用 GigaMesh 的 MSII（曲率，参见此处链接）基于渲染、Phong 阴影的三维模型和照片以及光照增强的图像数据进行符号定位。结果显示，使用渲染的 3D 图像进行符号检测比其他研究使用的照片效果更好。此外，我们的方法在仅使用照片时也能得到合理的结果，但在混合数据集中效果最好。更重要的是，Phong 渲染，特别是 MSII 渲染，提高了照片的结果，这是全球规模最大的数据集。

    Aug, 2023

  • 塑造历史：三千年楔形文字片的高级机器学习技术分析和测定

    基于深度学习和变分自编码器方法，针对库内容丰富的超过 94,000 张楔形文字片的数据集，通过研究其轮廓形状作为关键指标，成功实现了古代文献的自动分类和时代定位，为历史学家和铭刻学家提供了更深入的洞察和解释工具。

    Jun, 2024

  • 基于图形方法的楔形文字识别

    本研究使用基于图的两种方法和距离计算，分别是基于图编辑距离的分割算法和适应于图的 CNN，实现对楔形文字的自动识别和分类，两种方法分别在训练阶段和预测阶段具有不同的计算成本和实用价值。

    Feb, 2018

  • 楔形文字的语言和方言识别

    本文介绍了一种楔形文字语言识别（CLI）数据集，并通过这个数据集进行了一些初步的语言识别实验。同时，提供了基线实验结果。据我们所知，这里详细介绍的实验是首次在楔形文字数据上使用自动语言识别方法。

    Mar, 2019

  • 楔形文字符号的递归编码

    该研究提出了一种新的 “递归编码” 方法，以便计算机可以处理符号的笔画排列，从而解决楔形文字教学中检索未知符号的问题，并通过一系列新的算法使学生能够使用任何独特的组成部分来查找符号，并提供了电子形式呈现符号和文版的新方法。

    Jun, 2024

  • 深度亚拉姆语：实现合成数据范式，在铭文学中开启机器学习

    我们的研究通过合成数据的方法，为古代亚述文字符号生成了大规模的数据集，以此训练人工神经网络以提高掌握这些古代碑文的能力。通过验证实验，我们验证了该模型在处理多样的真实场景中的能力，并证明了我们合成数据方法的可行性，避免了对稀缺的训练数据的依赖，从而提高了对受损碑文的解读准确性和对历史资源的知识提取。

    Oct, 2023

  • 古埃及分类器鉴定作为一个低资源序列标记任务

    通过实施序列标记神经模型，本文首次尝试解决 Ancient Egyptian 文本中分类符号的辨识问题，并对比了以频率为基础的基准模型，取得了令人满意的性能。

    Jun, 2024

  • 使用循环神经网络恢复不完整的巴比伦文本

    通过对主要来源于古代美索不达米亚历史文化的粘土楔形文字进行网络模型建模，研究自动补全阿奇美尼德时期巴比伦的古代阿卡德语文本中的断裂的可能性。

    Mar, 2020

  • 基于深度学习的手语识别方法综述

    通过实验评估了基于计算机视觉的手语识别方法，并引入了新的序列训练标准，讨论了许多预训练方案，并创建了带注释的希腊手语 RGB + D 数据集。

    Jul, 2020

  • 针对英文手写体草书和印刷体的端到端交互式深度学习标注系统

    本文介绍了一种创新的、完整的端到端流程，采用深度学习和用户交互技术，对印刷和草书英文手写手稿进行注释，该方法使用了最先进的文本识别模型构建的检测系统和自定义的深度学习模型，结合易于使用的交互式界面，旨在提高检测、分割、序列化和识别阶段的准确性，以确保高质量的注释数据，最大程度地减少人类交互。

    Apr, 2023