ScrollPrize/villa

解决的问题

该项目提供了一套工具和库，旨在利用机器学习和计算机视觉技术读取古代赫库兰尼姆卷轴。它解决了从CT扫描中虚拟展开碳化纸莎草纸并检测其表面墨水的挑战。

工作原理

该项目由多个专业组件组成：

• 数据访问与ML：vesuvius 库负责处理CT扫描访问以及表面预测ML模型的训练和运行。
• 墨水检测：使用专门的训练和推理工具，基于2023年大奖赛优胜模型检测墨水。
• 展开流水线：采用三种不同方法从CT扫描中提取纸莎草纸片：
  • VC3D：一种半自动分割流水线。
  • lasagna：基于PyTorch的优化框架，用于优化纸莎草纸表面网格并驱动纤维追踪。
  • 螺旋拟合：一种全自动流水线，通过匹配追踪的补丁和纤维骨架，为卷轴整体拟合全局螺旋。
• 基础设施：foundation 工具集管理数据集和云基础设施，包括摄影测量掩码。

适用对象

该软件适用于致力于从碳化卷轴中恢复文本的研究人员、计算机视觉专家以及参与维苏威挑战赛的参与者。

主要亮点

• 全流程覆盖：从原始CT扫描到墨水检测和最终展开的完整流程。
• 多样化的展开方法：提供半自动（VC3D）、lasagna的网格优化以及全自动螺旋拟合。
• lasagna框架：使用PyTorch联合优化多层纸张以保持一致性。
• 大奖赛优胜技术：包含基于2023年大奖赛优胜墨水检测模型的工具。