コンスタンチン・ツィオルコフスキーの完全な個人アーカイブが、CC0データセットとして公開されました。このアーカイブは5万1,008枚のシートと2,019件のアーカイブファイルで構成され、独学でロケット理論を研究した人物の50年分の作品を網羅し、手書き原稿とタイピングされた写本を含みます。

  • アーカイブには著者による改訂のために取り消し線が引かれた3万6,446箇所の行と、文字起こしモデルからの29万9,939箇所の明示的な不確実性マークが含まれています。
  • 認識精度は224件のファイルから選ばれた手書き原稿と写本の読み取りの1,759組のペアを用いて測定され、単語の一致率がわずか37%であることが明らかになりました。
  • 印刷版と比較すると、写本では文字の一致率が98.1%、手書きでは81.1%に達し、ロシア語手書き文字認識のための具体的なベンチマークを提供しています。
  • このデータセットは、既存のロシア語手書き文字リソースの不足に対処するため、不確実性キャリブレーションとHTRモデルのファインチューニングのテストベッドとして機能します。

今回の公開は、筆跡が時間とともにどのように変化するかや歴史的な正字法の変化を研究する稀有な機会を提供すると同時に、困難な歴史的スクリプトに対するOCRシステムの厳密な評価指標も提供しています。