Crossing Language Borders: A Pipeline for Indonesian Manhwa Translation

在这个项目中，我们开发了一种实用且高效的解决方案，用于将印尼语的曼화（韩国漫画）自动翻译成英语。我们的方法结合了计算机视觉、文本识别和自然语言处理技术，以简化传统的手动曼画翻译过程。该流程包括使用微调的YOLOv5xu进行对话框检测，使用Tesseract进行光学字符识别（OCR），以及使用微调的MarianMT进行机器翻译。通过自动化这些步骤，我们旨在使曼画更易于全球观众获取，同时相比手动翻译方法节省时间和精力。尽管大多数曼画翻译工作主要集中在日语到英语的翻译，我们则专注于印尼语到英语的翻译，以应对低资源语言所带来的挑战。我们的模型在每个步骤中都表现出良好的效果，并能够高效地将印尼语翻译成英语。

该论文旨在解决印尼语到英语的韩漫（Manhwa）自动化翻译问题。相较于传统的手动翻译方法，本研究试图通过结合计算机视觉、文本识别和自然语言处理技术来提高效率并降低成本。这是一个较少被关注的研究领域，特别是在低资源语言如印尼语的应用上。

关键思路在于构建一个包含多个步骤的自动化流水线：使用细调后的YOLOv5xu进行对话框检测，Tesseract用于OCR（光学字符识别），以及细调后的MarianMT模型进行机器翻译。这种方法不仅能够处理图像中的文字，还能准确地将其从印尼语翻译成英语，从而使得韩漫更易于被全球读者理解。

本研究的一个重要亮点是针对低资源语言（如印尼语）进行了专门优化，这在以往的研究中并不常见。此外，实验设计涵盖了从图像预处理到最终翻译输出的整个流程，并且展示了良好的性能。值得注意的是，虽然文中未明确提及，但开源代码和数据集对于后续研究至关重要，如果提供的话将极大促进该领域的进一步发展。

近期相关研究包括《Japanese Manga Translation Using Deep Learning Techniques》和《Automated Comic Book Localization: Challenges and Approaches》，这两篇论文分别探讨了日语漫画的英译及漫画本地化的挑战与方法。尽管这些工作主要集中在高资源语言上，但它们为理解和改进低资源语言的翻译系统提供了宝贵的经验和教训。