National Archives of Argentina

新的SARCLIP系统使用CLIP模型进行历史文件检索

研究人员开发了SARCLIP，一个旨在搜索十七世纪西班牙美洲公证记录的检索系统。该系统利用在专家注释的古文字学数据上微调的CLIP ViT-B/16模型，以克服不一致的书写和古老拼写带来的挑战。SARCLIP采用FAISS对超过1360万个单词图像块的语料库进行可扩展的近似最近邻检索，并结合伪相关反馈来优化结果，还包括一个包含浏览、注释和再训练的人工干预循环。