用于早期现代印刷品归属的对比注意力网络
计算机视觉与模式识别
2023-06-16 v1 人工智能
摘要
在本文中，我们开发机器学习技术以识别早期现代（约 1500–1800 年）英国印刷书籍中的未知印刷商。具体而言，我们聚焦于将匿名印刷书籍中独特受损的字符字模印迹与已知印刷商的作品进行匹配，以提供其来源证据。迄今为止，该工作仅限于分析书志学家的手动调查。我们提出一种基于对比注意力的度量学习方法，以识别字符图像对间的相似损伤，该方法对字形中极细微差异敏感，同时对数字化历史书籍相关的各种混杂噪声源具有鲁棒性。为克服监督数据稀缺，我们设计了一种随机数据合成流程，旨在模拟早期印刷过程引起的弯曲、断裂和着墨变化。我们的方法成功改善了该时期印刷作品间下游受损字模印迹匹配，并由领域内人类专家验证。我们对早期现代时期两部重要哲学著作的方法结果展示了扩展关于这些书籍起源与内容的现有历史研究的潜力。
引用
@article{arxiv.2306.07998,
title = {Contrastive Attention Networks for Attribution of Early Modern Print},
author = {Nikolai Vogler and Kartik Goyal and Kishore PV Reddy and Elizaveta Pertseva and Samuel V. Lemley and Christopher N. Warren and Max G'Sell and Taylor Berg-Kirkpatrick},
journal= {arXiv preprint arXiv:2306.07998},
year = {2023}
}
备注
Proceedings of AAAI 2023