Fetch-A-Set：面向历史文档检索的大规模无OCR基准

Adrià Molina; Oriol Ramos Terrades; Josep Lladós

Fetch-A-Set：面向历史文档检索的大规模无OCR基准

信息检索 2024-06-18 v2 计算机视觉与模式识别

作者: Adrià Molina , Oriol Ramos Terrades , Josep Lladós

摘要

本文介绍了Fetch-A-Set（FAS），一个专为立法历史文档分析系统设计的综合基准，旨在应对历史背景下大规模文档检索的挑战。该基准包含一个可追溯至17世纪的海量文档库，既可作为训练资源，也可作为检索系统的评估基准。它通过聚焦文化遗产领域中的复杂抽取任务，填补了文献中的一个关键空白。所提出的基准解决了历史文档分析的多方面问题，包括查询的文本到图像检索以及文档片段的图像到文本主题提取，同时适应了不同水平的文档可读性。该基准旨在通过提供基线和数据，促进鲁棒历史文档检索系统的开发和评估，特别是在具有广泛历史跨度的场景中。

关键词

历史文档检索基准文本到图像检索图像到文本提取文化遗产文档可读性大规模

引用

@article{arxiv.2406.07315,
  title  = {Fetch-A-Set: A Large-Scale OCR-Free Benchmark for Historical Document Retrieval},
  author = {Adrià Molina and Oriol Ramos Terrades and Josep Lladós},
  journal= {arXiv preprint arXiv:2406.07315},
  year   = {2024}
}

备注

Preprint for the manuscript accepted for publication in the DAS2024 LNCS proceedings

Fetch-A-Set：面向历史文档检索的大规模无OCR基准

摘要

关键词

引用

备注

相关论文