/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-large-handwritten
Опубликована
6 мар 2024

tridis_HTR

Описание изображенийИзображение → текст3 профессии

TRIDIS распознаёт латинский, старофранцузский и староиспанский рукописный текст на изображениях средневековых документов и рукописей.

268скачиваний за 30 дней7лайковвеса обновлены8 апр 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание текста» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TRIDIS (Tria Digita Scribunt) — модель распознавания рукописного текста в изображениях средневековых и ранненововременных рукописей, разработанная Серджио Торресом Агиларом и Винсентом Жоливе. Она предназначена прежде всего для документальных источников — грамот, регистров, феодальных книг и судебных документов XI–XVI веков, а также может применяться к литературным книгам, научным трактатам и картуляриям.

Модель использует архитектуру encoder-decoder VisionEncoderDecoderModel и объединяет доработанный TrOCR-large-handwritten с моделью RoBERTa, обученной на исторических текстах. Она распознаёт латинский, старофранцузский и староиспанский тексты, в том числе в почерках Textualis и Cursiva. При обучении и оценке использовались 2 950 страниц, 245 тысяч строк и около 2,3 миллиона токенов; на валидации заявлена точность 94,3%, а на трёх внешних наборах CER составил 0,06–0,12 и WER — 0,14–0,26.

Транскрипции следуют полудипломатическим правилам: сокращения раскрываются, имена собственные капитализируются, а пунктуация нормализуется; отменённые слова обозначаются знаками $. Модель распространяется по лицензии MIT. Результаты зависят от почерка, состояния документа и соответствия текста историческому периоду и принятым правилам транскрипции.

Сценарии применения

  • транскрибирование средневековых грамот
  • распознавание текста в исторических регистрах и судебных документах
  • оцифровка феодальных книг и картуляриев
  • распознавание рукописей на старофранцузском и староиспанском
  • подготовка исторических рукописей к поиску и анализу

Ограничения

Полудипломатические транскрипции раскрывают сокращения и нормализуют пунктуацию, поэтому результат не сохраняет все особенности оригинального письма. Заявленные показатели получены на конкретных исторических наборах данных и могут не переноситься на другие периоды, почерки и состояния документов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TrOCR model adapted to Handwritting Text Recognition on medieval manuscripts (12th-16th centuries)

TRIDIS (Tria Digita Scribunt) is a Handwriting Text Recognition model trained on semi-diplomatic transcriptions from medieval and Early Modern Manuscripts. It is suitable for work on documentary manuscripts, that is, manuscripts arising from legal, administrative, and memorial practices more commonly from the Late Middle Ages (13th century and onwards). It can also show good performance on documents from other domains, such as literature books, scholarly treatises and cartularies providing a versatile tool for historians and philologists in transforming and analyzing historical texts.

A paper presenting the first version of the model is available here: Sergio Torres Aguilar, Vincent Jolivet. Handwritten Text Recognition for Documentary Medieval Manuscripts. Journal of Data Mining and Digital Humanities. 2023. https://hal.science/hal-03892163

The training corpora can be download on Huggingface: https://doi.org/10.57967/hf/5001

Rules of transcription :

Main factor of semi-diplomatic edition is that abbreviations have been resolved:

  • both those by suspension (facimꝰ ---> facimus) and by contraction (dñi --> domini).
  • Likewise, those using conventional signs (⁊ --> et ; ꝓ --> pro) have been resolved. 
  • The named entities (names of persons, places and institutions) have been capitalized.
  • The beginning of a block of text as well as the original capitals used by the scribe are also capitalized.
  • The consonantal i and u characters have been transcribed as j and v in both French and Latin.
  • The punctuation marks used in the manuscript like: . or / or | have not been systematically transcribed as the transcription has been standardized with modern punctuation.
  • Corrections and words that appear cancelled in the manuscript have been transcribed surrounded by the sign $ at the beginning and at the end.

Corpora

The model was trained on charters, registers, feudal books and legal proceedings from the Late Medieval period (11th-16th centuries).

The training and evaluation ground-truth datasets involved 2950 pages, 245k lines of text, and almost 2.3M tokens, conducted using several freely available ground-truth corpora:

(Addionally, the model was pre-trained on a synthetic dataset (300k lines) generated using a GAN architecture.)

Accuracy

TRIDIS was trained using a encode-decoder architecture based on a fine-tuned version of the TrOCR-large handwritten (microsoft/trocr-large-handwritten) and a RoBERTa modelized on medieval texts (magistermilitum/RoBERTa_medieval).

This final model operates in a multilingual environment (Latin, Old French, and Old Spanish) and is capable of recognizing several Latin script families (mostly Textualis and Cursiva) in documents produced circa 11th - 16th centuries.

During evaluation, the model showed an accuracy of 94.3% on the validation set and a CER (Character Error Ratio) of about 0.06 to 0.12 on three external unseen datasets and a WER of about 0.14 to 0.26 respectively, which is about 30% lower compared to CRNN+CTC solutions trained on the same corpora.

Other formats

A CRNN+CTC version of this model trained on Kraken 4.0 (https://github.com/mittagessen/kraken) using the same gold-standard annotation is available in Zenodo:

Torres Aguilar, S., & Jolivet, V. (2024). TRIDIS: HTR model for Multilingual Medieval and Early Modern Documentary Manuscripts (11th-16th) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.10800223

Paper

A journal paper presenting the scientific basis of this models is also available:

Torres Aguilar, Sergio, Jolivet, Vincent . La reconnaissance de l'écriture pour les manuscrits documentaires du Moyen Âge, Journal of Data Mining & Digital Humanities, 22 décembre 2023 - https://hal.science/hal-03892163/document

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
9ac6d93

0 моделей