Oct, 2023

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

PDF
TL;DR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。
epigraphyartificial intelligencemachine learningold aramaicsynthetic data
发现论文，激发创造
  • 通过深度学习进行埃拉米楔形文字的定位和分类

    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。

    Jun, 2023

  • 使用深度学习恢复古代文本：以希腊铭文为案例研究

    这篇论文介绍了 Pythia，它是第一个使用深度神经网络从损坏的文本中恢复缺失字符的古代文本修复模型，在 PHI-ML 上实现了 30.1% 的字符错误率并在古代文字修复领域达到了最新水平。

    Oct, 2019

  • 基于人工神经网络和合成数据的自然场景文本识别

    本文提出了一个自然场景文本识别的框架，使用深度神经网络模型和合成数据训练三种不同方式的单词识别模型，能够显著提高对标准数据集的性能表现，而且不需要任何人工标记数据和零数据采集成本。

    Jun, 2014

  • 利用合成数据生成和基于 Transformer 的模型提升古籍文档中的物体检测

    通过降低虚假阳性和提高精确度的方法，我们在古代文献中增强了物体检测，并通过计算转换生成合成数据集，将视觉特征提取与物体检测过程相结合，进一步关联物体与其组成部分，并引入视觉特征图，从而深入分析和促进了有价值的历史文物，给古文字学领域带来了深远影响。

    Jul, 2023

  • Logion：希腊语学领域机器学习

    利用机器学习方法，我们在希腊文献学领域解决了诸多问题。在使用最大的古希腊数据集训练 BERT 模型后，我们成功鉴别并纠正了文本传承过程中刻写员以往未能发现的错误，同时证明了该模型填补古代手稿材料损伤造成空缺的能力，并与领域专家的表现进行了比较。我们发现，在启发领域专家的模型建议的支持下，最佳表现可得。在考虑到人机协作的同时，我们还探索了模型的可解释性，并发现一些注意力头似乎对古代希腊语的某些语法特征进行了编码。

    May, 2023

  • 生成和检测阿拉伯语操纵和虚假新闻的机器

    本论文提出了一种利用真实新闻和 POS 标注生成阿拉伯语虚假新闻的新方法，并开发了第一届阿拉伯语虚假新闻检测模型，该模型通过使用基于 AraNews 的生成式新闻实现了最新的 F1=70.06 的结果，所有研究中使用的数据和模型都是公开可用的。

    Nov, 2020

  • 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

  • 复原古代象形字：一种多模态多任务神经网络方法

    该研究论文探讨了文化遗产的保存与恢复问题，并提出了一种基于多模态深度学习的古代文字恢复模型（MMRM），通过结合上下文理解和损坏古代文物的残留视觉信息，实现同时预测损坏字符并生成恢复图像的功能。实验结果表明该方法在模拟实验和实际古代铭文中给出了有价值的恢复建议，为古代社会和文化的理解提供了贡献。

    Mar, 2024

  • 叠字文献中重叠字符的语义分割的深度学习实验

    通过图像处理技术识别被超级重印覆盖的历史手稿中的已擦除用墨，并借助人工智能技术解开重叠字母的复杂状况，本研究提出了基于深度学习的语义分割方法。以普里斯克里亚努斯的《语法艺术》为案例研究，本文探讨了该方法结合多光谱成像的预期与限制。

    Nov, 2023

  • 生成文本识别的合成数据

    本研究使用开源字体和数据增广技术生成 900 万份手写词图像，可用于训练深度神经网络并提高手写词识别的性能。

    Aug, 2016