Segmentation of Maya hieroglyphs through fine-tuned foundation models

玛雅象形文字的研究揭示了这个古代文明的文化和社会知识的丰富历史。人工智能（AI）提供了一种新的视角，可以翻译这些铭文，有可能让非专业人士阅读这些文本，并帮助解密那些仍然难以解释的象形文字。为此，我们利用一个基础模型从专门致力于玛雅文物的开源数字库中分割出玛雅象形文字。尽管公开可用的基础分割模型最初具有潜在的优势，但它们在准确分割玛雅象形文字方面的有效性最初受到限制。为了应对这一挑战，我们的研究涉及到在玛雅艺术和历史专家的协助下精心策划图像和标签对，从而使这些基础模型得以微调。这个过程显著提高了模型的性能，说明了微调方法的潜力和我们不断扩展的数据集的价值。我们计划开源这个数据集，以鼓励未来的研究，并最终帮助更广泛的社区，特别是玛雅遗产社区成员，使象形文字可读。

本论文试图通过使用人工智能技术解决玛雅文字的翻译问题，以及帮助更多人读懂这些古老的文字。同时，论文还尝试通过fine-tuning方法来提高模型的准确性。

论文的关键思路是利用已有的模型来分割玛雅文字，并通过fine-tuning方法来提高模型的准确性。通过这种方法，可以更好地读懂这些古老的文字。

论文通过与专家合作，精心筛选图像和标签对，以提高模型的准确性。同时，论文还计划开源数据集，以帮助更多人进行相关研究。

最近的相关研究包括：《使用深度学习技术解决文字翻译问题》、《利用卷积神经网络进行图像分割的研究》等。