PulseAugur
中
实时 13:56:58
English(EN) Learning Diachronic Representations of Ancient Greek Letterforms

新方法学习历史希腊字形的表示法

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种学习古希腊字形历时表示法的新方法，解决了跨越数个世纪的手写体变异性挑战。他们引入了三个新数据集：用于训练的Hell-Char，以及用于评估的PaLit-Char和Med-Char，涵盖了从公元前3世纪到公元14世纪的时期。为了处理符号变异、数据稀疏和退化问题，该团队提出了一种相似性加权的监督对比损失和一种由缺失驱动的增强方案。这些方法应用于CNN和ResNet模型，产生的嵌入能够有效地分离字符类别，并支持进一步的分析，如聚类和原型图像生成。 AI

影响 这项研究为稀疏、随时间演变且存在噪声的条件下的表示学习提供了一个可迁移的范例，可能使其他历史文本分析任务受益。

排序理由 该集群包含一篇学术论文，详细介绍了一种在历史数据集上进行表示学习的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法学习历史希腊字形的表示法

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · John Pavlopoulos, Spyros Barbakos, Lavinia Ferretti, Dionysis Voulgarakis, Asimina Paparrigopoulou, Maria Konstantinidou, Giuseppe De Gregorio, Isabelle Marthot-Santaniello, Paraskevi Platanou, Holger Essler ·

    学习古希腊字体的历时表示法

    arXiv:2606.24984v1 Announce Type: cross Abstract: Learning representations that remain robust across centuries of variation in handwriting is a key challenge in diachronic representation learning. Taking one of the longest continuously used writing systems, ancient Greek, as a ca…

相关话题