Multi-task Learning for Hebrew Paleography: Script Classification and Date Estimation

doi:10.1007/978-3-032-04630-7_5

2026-01-01

PRE

Nour Atamni *

Boraq Madi

Shoshana Boardman

Daria Vasyutinsky Shapira

Irina Rabaev

Jihad El‐Sana

DOI：10.1007/978-3-032-04630-7_5

原文链接

原文求助

摘要

En 中文

本文提出了一种新颖的多任务学习（MTL）方法用于中世纪希伯来手稿，同时解决手稿分类和年代测定问题。为此，我们收集了VML-MSH——一个涵盖850至1540年间的中世纪手稿综合数据集。每份手稿都附带手稿类型、手稿模式和手稿生产日期的注释。MTL通过利用共享特征表示，增强了不同手稿风格和时期的泛化能力，并采用了先进架构，包括Vision Transformer（ViT）、Mobile-ViT、Swin Transformer、FocalNet、BEiT和ConvNeXT。我们的训练方法结合了分类和回归目标，并采用自适应损失加权，优化任务性能。实验结果表明，手稿类型分类的准确率在84%至100%之间，同时凸显了少数手稿子类型的挑战（60%-100%）。在手稿年代测定方面，模型的平均误差在1.37至8.97个十年之间。这些发现强调了所提出的MTL框架在推进历史文档图像分析和数字古文字学方面的有效性。代码和数据集可在https://github.com/atamnour/MTL-Hebrew-Paleography获取。

Keyword:

Historical document analysis

Automated dating

Historical dataset

Regression

Classification