arXiv · 机器人与计算机视觉· Tamas Kovacs, Daniel Luger·· 22 天前AI 评分4
物理 AI 领域不适用:HTR 模型利用古籍文献实现零标签自适应与命名实体识别
Mining the Nineteenth Century for the Thirteenth: Register-Scale Forced Alignment and HTR Bootstrapping via Legacy Regesta and Antiquarian Editions
AI 导读
针对教皇霍诺留三世登记簿的手写文本识别,研究通过审计现代转录稿发现,19 世纪古文献在正字法层可降低词错误率 1.50 分、在词汇层使未登录词覆盖率达 82.2%。蒸馏后的命名实体识别模型在专家验证基准上 F1 达到 82.1%,与最佳后处理标签器持平,有效辅助了未转录登记簿的分割与检查。该成果发表于 arXiv,属于计算机视觉与计算语言交叉研究,非物理 AI 或机器人领域发布。
来源:arXiv · 机器人与计算机视觉 · arxiv.org