LAM 数据集：一种用于行级手写文本识别的新型基准

手写文本识别（HTR）是计算机视觉与自然语言处理交叉领域的一个开放问题。在处理历史手稿时，主要挑战源于纸张载体的保存状况、手写的可变性——即使是同一作者跨越较长时间跨度——以及来自古老、代表性不足语言的稀缺数据。为了促进该主题的研究，本文提出 Ludovico Antonio Muratori（LAM）数据集，这是一个由单一作者历时 60 年编辑的意大利古代手稿的大型行级 HTR 数据集。该数据集有两种配置：基本划分和基于日期的划分（考虑作者年龄）。第一种设置旨在研究意大利古代文档上的 HTR，第二种聚焦于 HTR 系统识别同一写作者在没有训练数据的时间段内所写文本的能力。对于两种配置，我们分析了定量与定性特征，也针对其他行级 HTR 基准进行了分析，并给出了最先进 HTR 架构的识别性能。数据集可于 \url{https://aimagelab.ing.unimore.it/go/lam} 下载。