Trocr Medieval Cursiva

🚀 中世のカーシヴァ用TrOCRモデル

このモデルは、中世のカーシヴァ文字を認識するためのTrOCRモデルです。ベースモデルとしてmicrosoft/trocr-base-handwrittenを使用し、まずはカロリン文字にファインチューニングされたmedieval-data/trocr-medieval-latin-carolineを経て、最終的にカーシヴァ文字に対して更にファインチューニングされています。

🚀 クイックスタート

このモデルは、中世のカーシヴァ文字の画像からテキストを抽出するために使用できます。ただし、まだ正式なテストは行われておらず、更なるファインチューニングが必要と思われます。

✨ 主な機能

• 中世のカーシヴァ文字の画像をテキストに変換
• TrOCRベースのモデルで、事前学習モデルを活用

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image
import requests

# load image from the IAM database
url = "https://huggingface.co/medieval-data/trocr-medieval-cursiva/resolve/main/images/cursiva-1.png"
image = Image.open(requests.get(url, stream=True).raw).convert("RGB")

processor = TrOCRProcessor.from_pretrained('medieval-data/trocr-medieval-cursiva')
model = VisionEncoderDecoderModel.from_pretrained('medieval-data/trocr-medieval-cursiva')
pixel_values = processor(images=image, return_tensors="pt").pixel_values

generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

📚 ドキュメント

モデルについて

このモデルは、TrOCRアーキテクチャに基づいており、事前学習されたモデルを使用しています。訓練にはCATMuSデータセットが使用されました。

ファインチューニング

ファインチューニングは、このリポジトリ内のfinetune.pyを使用して行われました。

📄 ライセンス

このモデルはMITライセンスの下で公開されています。

📚 引用情報

TrOCR論文

@misc{li2021trocr,
      title={TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models}, 
      author={Minghao Li and Tengchao Lv and Lei Cui and Yijuan Lu and Dinei Florencio and Cha Zhang and Zhoujun Li and Furu Wei},
      year={2021},
      eprint={2109.10282},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

CATMuS論文

@unpublished{clerice:hal-04453952,
  TITLE = {{CATMuS Medieval: A multilingual large-scale cross-century dataset in Latin script for handwritten text recognition and beyond}},
  AUTHOR = {Cl{\'e}rice, Thibault and Pinche, Ariane and Vlachou-Efstathiou, Malamatenia and Chagu{\'e}, Alix and Camps, Jean-Baptiste and Gille-Levenson, Matthias and Brisville-Fertin, Olivier and Fischer, Franz and Gervers, Michaels and Boutreux, Agn{\`e}s and Manton, Avery and Gabay, Simon and O'Connor, Patricia and Haverals, Wouter and Kestemont, Mike and Vandyck, Caroline and Kiessling, Benjamin},
  URL = {https://inria.hal.science/hal-04453952},
  NOTE = {working paper or preprint},
  YEAR = {2024},
  MONTH = Feb,
  KEYWORDS = {Historical sources ; medieval manuscripts ; Latin scripts ; benchmarking dataset ; multilingual ; handwritten text recognition},
  PDF = {https://inria.hal.science/hal-04453952/file/ICDAR24___CATMUS_Medieval-1.pdf},
  HAL_ID = {hal-04453952},
  HAL_VERSION = {v1},
}