Oracle Bone Inscriptions Multi-modal Dataset (OBIMD)

甲骨文多模态数据集（OBIMD）由安阳师范学院甲骨文信息处理教育部重点实验室等机构创建，包含10,077件甲骨文的详细标注信息。该数据集涵盖像素级对齐的拓片和摹本，标注了检测框、字符类别、转录、对应的铭文组及阅读顺序，适用于甲骨文字符检测与识别、拓片去噪、字符匹配等多项AI研究任务。数据集的创建过程结合了自动化的字符注册算法和人工验证，确保了标注的准确性和全面性。该数据集旨在推动AI技术在甲骨文研究领域的应用，解决甲骨文解读中的难题。The Oracle Bone Multimodal Dataset (OBIMD) was created by the Key Laboratory of Oracle Bone Information Processing at Anyang Normal University and other institutions, containing detailed annotations for 10,077 oracle bones. The dataset encompasses pixel-registered rubbings and copies, annotated with detection boxes, character categories, transcriptions, corresponding inscriptions groups, and reading order, and is suitable for a variety of AI research tasks such as oracle bone character detection and recognition, rubbing denoising, and character matching. The creation process of the dataset integrated automated character registration algorithms with manual verification to ensure the accuracy and comprehensiveness of the annotations. This dataset aims to promote the application of AI technology in the field of oracle bone research and address the challenges in the interpretation of oracle bones.

搜集汇总

数据集介绍

构建方式

本研究提出了一种名为Oracle Bone Inscriptions Multi-modal Dataset (OBIMD)的多模态数据集，其构建方式主要基于对商朝时期甲骨文的数字化复制和精准标注。数据集从《甲骨文合集》中均匀采样了10,077份甲骨文拓片，并补充了《殷墟花园庄东甲骨》中的164份拓片，以保持历史时期分布的准确性。数据标注包括数字摹本、文本内容标注和字符信息三部分，其中数字摹本与拓片进行像素级对齐，文本内容标注涉及字符检测框、字符类别、转录、铭文组和阅读序列等信息，字符信息则包含子字符图像及其与主字符和转录的映射表。

使用方法

使用OBIMD数据集时，研究人员可以利用其中提供的像素级对齐的拓片和摹本，进行甲骨文字符检测、识别、去噪、匹配、生成、阅读序列预测和缺失字符补全等任务。数据集的构建考虑到了非专家的初步标注和专家的复审，确保了标注的准确性和效率。研究人员可以通过数据集中的映射表将子字符与主字符及其转录对应起来，从而在甲骨文研究中应用先进的人工智能算法。

背景与挑战

背景概述

甲骨文是中国最早的文字系统，具有极高的研究价值。然而，在当前的学术环境下，解读甲骨文的任务极具挑战性。目前仅有一半的甲骨文字符得到成功识别。因此，利用先进的AI技术协助解读甲骨文成为了一个至关重要的研究课题。本研究提出了一个名为Oracle Bone Inscriptions Multi-modal Dataset (OBIMD)的多模态数据集，该数据集包含了10,077件甲骨文的注释信息，每件甲骨文都有两种模态：像素级对齐的拓片和仿真图像。该数据集的创建和发布，将为甲骨文研究领域AI算法的应用提供重要推动。

当前挑战

甲骨文研究的挑战主要在于字符识别和注释的复杂性。构建OBIMD数据集时，研究人员面临着多方面的挑战：首先，在甲骨文的识别与分类方面，由于字符形态多变，识别准确性成为一大难题；其次，在数据集构建过程中，高质量的注释依赖于专家的知识和经验，而专家资源的稀缺性限制了注释的效率和准确性；最后，数据集的多模态特性要求在拓片与仿真图像之间进行精确对齐，这一过程的技术难度同样不容忽视。

常用场景

经典使用场景

Oracle Bone Inscriptions Multi-modal Dataset (OBIMD) 作为一种全新的、多模态的数据集，其经典使用场景主要集中于甲骨文的研究与识别。该数据集通过提供像素级对齐的拓片和摹本，以及详尽的标注信息，为甲骨文的检测、识别、去噪、字符匹配、生成、阅读序列预测以及缺失字符的补全等任务提供了丰富的训练材料和详实的信息支持。

解决学术问题

OBIMD 数据集解决了传统甲骨文研究中存在的数据单一、标注维度有限的问题。它通过多模态的标注方式，不仅包含了字符的检测框、字符类别、转录、对应的铭文组以及正确的阅读序列，还提供了字符的子图像和映射表，这些信息极大地丰富了甲骨文研究的深度和广度，为人工智能在甲骨文识别和研究中的应用提供了强有力的数据支撑。

实际应用

在实际应用中，OBIMD 数据集可被用于辅助甲骨文的研究工作，例如通过自动化识别技术提高甲骨文解读的效率，以及在数字人文领域的展览和教育中，利用数据集中的图像和转录信息，为公众提供更加生动和互动的甲骨文学习体验。

数据集最近研究

最新研究方向

甲骨文作为一种具有极高研究价值的古代文字系统，其研究领域近日迎来了一项重要进展，即Oracle Bone Inscriptions Multi-modal Dataset (OBIMD)的提出。该数据集包含了10,077件甲骨的详细标注信息，每件甲骨均具有两种模态：像素级对齐的拓片和摹本。此数据集的构建，旨在助力人工智能技术在甲骨文识别与解读中的应用，涵盖了甲骨文检测与识别、拓片去噪、字符匹配、字符生成、阅读序列预测、缺失字符补全等多项研究任务。OBIMD的发布，不仅为人工智能相关任务提供了详尽的信息和全面的训练材料，也为甲骨文研究领域的智能化发展开辟了新的可能，对推动人工智能技术在甲骨文研究中的应用具有重要意义。

相关研究论文

• Oracle Bone Inscriptions Multi-modal Dataset

  安阳师范学院甲骨文信息处理教育部重点实验室, 腾讯优图实验室, 厦门大学多媒体可信感知与高效计算教育部重点实验室, 腾讯可持续社会价值事业部数字文化实验室, 剑桥大学 · 2024年