Joint Compression and Restoration of Documents with Bleed-through
Notice bibliographique
Résumé
This paper presents research on the digital restoration of scanned two-sided documents suffering from bleed-through, and the joint compression of the original document and its bleed-through corrected version. It is often required to have easy and efficient access to both the original document and the restored version. The method works simultaneously on both the recto and the verso sides, and requires four steps: i) registration, ii) segmentation, iii) inpainting and iv) compression. The first step involves the registration of the recto and the flipped verso so that bleed-though on one side will be aligned with the original information (called foreground) on the other side. An optimization method based on an affine transformation is used for this step. The second step requires segmentation of each side into four regions: ‘foreground only’, ‘background only’, ‘bleed-through only’ and ‘mixed bleed-through and foreground’. Then, the areas identified as ‘bleed-through only’ are replaced with an estimate of the background using an inpainting technique. Finally the two-sided image is compressed for efficient storage and transmission. Each side is first compressed using any standard efficient document compression algorithm such as JPEG 2000. Then the segmentation information identifying the region ‘bleed-through only’ on each side is compressed using a standard bilevel compression algorithm such as JBIG2. The information required to represent the inpainted sections must also be transmitted.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».