Aprendizado de representação em detalhe fino para detecção de escrita Yi com poucos recursos e construção de conjunto de dados

Salvando um Patrimônio Escrita Frágil

O povo Yi, do sudoeste da China, preservou uma rica tradição escrita durante séculos, registrando medicina, astronomia, religião e a vida cotidiana em sua própria escrita. Ainda assim, muitos desses manuscritos estão desbotando, manchados ou de outra forma danificados, e a própria escrita é visualmente complexa. Transcrever manualmente centenas de milhares de caracteres é lento e caro. Este artigo apresenta um novo sistema de visão computacional projetado especificamente para localizar e isolar caracteres Yi em imagens digitais de documentos antigos, lançando as bases para a digitalização em larga escala e a preservação deste patrimônio escrito em risco.

Por Que Esta Escrita É Tão Difícil para Computadores

Diferentemente do mais familiar alfabeto latino ou mesmo do chinês impresso moderno, os caracteres Yi são formados por traços densos e curvos que frequentemente se entrelaçam. Muitos caracteres diferentes parecem extremamente parecidos, e o mesmo caractere pode aparecer em formas levemente distintas ao longo do tempo e entre manuscritos. Páginas históricas costumam usar layouts multi-coluna apertados, com lacunas irregulares e traços sobrepostos. Além disso, a tinta pode estar desbotada, as páginas deformadas e os fundos manchados. Métodos de detecção mais antigos, que dependem de regras fixas sobre espaçamento ou de modelos genéricos de detecção de texto, tendem a fundir caracteres vizinhos, perder traços fracos ou confundir ruído de fundo com escrita. Os autores argumentam que os manuscritos Yi representam uma espécie de “pior caso” para detecção de texto, e que resolver esse problema poderia beneficiar muitas outras escritas com poucos recursos.

Uma Nova Maneira de Ver Detalhes Finos

Para enfrentar esses desafios, os pesquisadores projetam uma rede neural especializada chamada FGRL-YiNet (Fine-Grained Representation Learning Network for Yi). No núcleo está uma variação das camadas convolucionais padrão, a ferramenta principal do reconhecimento de imagens moderno. Em vez de usar um único padrão de filtro fixo em toda parte, o FGRL-YiNet usa convolução dinâmica: vários filtros candidatos operam em paralelo, e um pequeno módulo de controle decide, para cada região da imagem, quanto confiar em cada um. Isso permite que o sistema ajuste sutilmente seu “campo receptivo” aos padrões locais de traço, capturando melhor curvas delicadas e junções sem ser perturbado por fundos confusos ou danos na página. Construído sobre um backbone ResNet-18 compacto, o modelo é deliberadamente mantido em tamanho moderado para que possa aprender de forma eficaz a partir da quantidade relativamente pequena de dados Yi anotados.

Combinando Escalas e Limpando a Página

Detectar caracteres em uma página inteira de manuscrito também requer entender padrões em múltiplos tamanhos ao mesmo tempo — desde pequenas ondulações em um único traço até o layout de uma coluna inteira. O FGRL-YiNet introduz um módulo de Fusão Multiescala Adaptativa (AMSF) para resolver isso. A rede primeiro extrai características em várias resoluções e então usa um mecanismo de atenção conjunto para decidir qual escala e quais canais são mais importantes em cada local. Uma parte dessa atenção foca em “onde” na imagem detalhes finos são importantes, enquanto outra foca em “que” tipo de característica é útil — como uma largura particular de traço ou um pequeno laço dentro de um caractere. Em paralelo, uma cabeça de binarização diferenciável aprende a separar tinta do fundo prevendo tanto um mapa de probabilidade quanto um limiar que varia localmente. Como essa etapa está integrada à rede e treinada de ponta a ponta, ela pode preservar traços fracos que a conversão tradicional em preto e branco apagaria, ao mesmo tempo que suprime respingos e manchas.

Construindo um Referencial para uma Escrita Rara

Um obstáculo importante para qualquer escrita especializada é a disponibilidade de dados: há poucos manuscritos Yi digitalizados de alta qualidade, e ainda menos com rótulos precisos para cada caractere. A equipe resolve isso construindo o conjunto de dados YiPrint-694 a partir de clássicos Yi de Liangshan, resultando em quase 347.000 caracteres rotulados em 694 imagens de página e 1.165 categorias de caracteres. Eles combinam um pré-processamento cuidadoso — redução de ruído, realce de bordas e binarização — com um pipeline de segmentação semi-automático e verificação manual minuciosa por especialistas na língua Yi. Para imitar a aparência de páginas mais antigas e descoloridas, criaram imagens adicionais com fundos amarelados e acastanhados. Essa coleção curada torna-se tanto o campo de treinamento para o FGRL-YiNet quanto um referencial público para pesquisas futuras sobre Yi e escritas relacionadas.

Quão Bem o Sistema Desempenha

Quando testado contra um conjunto amplo de detectores de texto de última geração, incluindo modelos amplamente usados como Faster R-CNN, DBNet++ e PSENet, o FGRL-YiNet alcança as melhores pontuações gerais no YiPrint-694. Ele detecta caracteres com uma alta f-score de 94,7%, impulsionada por precisão muito elevada (98,4%) e bom recall (91,3%), o que significa que raramente confunde fundo com texto e ainda encontra a maioria dos caracteres na página. Experimentos de ablação, nos quais componentes individuais são removidos, mostram que cada inovação — convolução dinâmica, fusão multiescala adaptativa e binarização diferenciável — contribui com ganhos mensuráveis, e que funcionam melhor em conjunto. O modelo também transfere bem para o maior conjunto MTHv2 de textos budistas chineses históricos, onde performa de forma competitiva com detectores gerais líderes, destacando seu potencial mais amplo.

O Que Isso Significa para a Preservação Cultural

Para não especialistas, a mensagem central é que um projeto cuidadoso e direcionado pode ajudar computadores a ler algumas das escritas mais desafiadoras do mundo, mesmo quando existem apenas dados limitados de treinamento. Ao combinar filtros adaptativos, fusão multiescala inteligente e limpeza integrada de páginas degradadas, o FGRL-YiNet pode localizar de forma confiável caracteres Yi individuais em manuscritos lotados e danificados. Isso torna muito mais fácil construir arquivos digitais pesquisáveis, apoiar pesquisas linguísticas e históricas, e proteger o registro escrito do povo Yi. Os autores veem sua arquitetura e conjunto de dados como um roteiro para enfrentar outras escritas pouco atendidas ao redor do mundo, demonstrando que avanços em inteligência artificial podem desempenhar um papel direto na preservação de patrimônios culturais frágeis para as gerações futuras.

Citação: Sun, H., Ding, X., Yu, H. et al. Fine grained representation learning for low resource Yi script detection and dataset construction. npj Herit. Sci. 14, 183 (2026). https://doi.org/10.1038/s40494-026-02418-6

Palavras-chave: escrita Yi, manuscritos históricos, detecção de texto, patrimônio digital, aprendizado profundo