U-DIADS-Bib：面向古代手稿文档版面分析的完整及少样本像素级精确数据集

文档版面分析，即识别文档页面内不同语义区域的任务，对计算机科学家和人文学者都具有重要意义，因为它对前者是迈向进一步分析任务的基础步骤，对后者则是改进和促进文档研究的强大工具。然而，当前文献中的许多工作，尤其是现有数据集，未能满足两个领域的需求，特别是倾向于计算机科学侧的需求和常见实践，导致资源无法代表人文领域的真实需求。为此，本文介绍 U-DIADS-Bib，一个与计算机视觉和人文学科专家紧密合作开发的、新颖的、像素级精确、无重叠且无噪声的文档版面分析数据集。此外，我们提出了一种新颖的计算机辅助分割流程，以减轻生成真实分割图所需的手动标注这一耗时过程带来的负担。最后，我们给出了该数据集的标准化少样本版本（U-DIADS-BibFS），旨在鼓励开发能以尽可能少的样本解决此任务的模型和解决方案，这将允许在真实世界场景中更有效地使用，因为收集大量分割标注并非总是可行。