文書解析と認識に関する国際会議 「ICDAR2025」の歴史地図認識コンペティションにて１位獲得
2025年9月16日～21日に中国・武漢で開催された、文書解析と認識に関する国際会議 「ICDAR2025（International Conference on Document Analysis and Recognition）」の歴史地図認識コンペティションにおいて、当社が１位を獲得しました。本成果は単一モデル（End-to-End）で、効率的かつ高精度に画像ドキュメントから情報を抽出する新技術「CREPE」を用いた研究によるものです。 ■「ICDAR2025」とは 文書解析と認識の分野で最も権威ある国際会議の一つであり、世界トップレベルの研究者や開発者が最新技術や研究成果を発表・交流する場です。1991年より開催されており、今年は中国・武漢にて開催されました。 ■ 歴史地図認識コンペティションの概要 本コンペティションでは、図１のように歴史的な地図画像から地名・地形名・水域名などを自動的に認識することが求められます。従来のOCR（Optical Character Recognition）の手法では、 曲線の文字、 オーバーラップ（文字の重なり）、回転・スケールの変化などの対応が難しく、精度向上が課題でした。さらに、単なる文字認識にとどまらず、離れた位置にある文字群をひとつの地名として正しくグルーピングする必要がある点でも、非常に高度なタスクです。 図１：歴史地図認識コンペティションの画像 の一例 ■End-to-Endモデルの適用 本タスクの特性から、画像のグローバル特徴を認識することが重要であると分かりました。従来は、「検出→認識→情報抽出」のパイプライン方式のOCR手法が広く利用されてきましたが、この手法では各ステージで誤差が蓄積されやすいという課題があります。 そこで、今回の研究では、End-to-Endのモデルである「CREPE」を適用しました。「CREPE」はImageEncoderとTextDecoderで構成され、TextDecoderは情報抽出を担当し、SequenceHeadが座標認識を行います。CoordinateHeadは</ocr>という特殊トークンで実行されます。 図２：「CREPE」の概要図 ■既存の「CREPE」からの改良点 既存のドキュメント認識用の「CREPE」では、①曲線状のテキストを表現できない、②テキストのグルーピングが困難、という課題がありました。 これに対し、本研究では以下の改良を加えています。 ・ベジェ曲線によるBoundingBox表現：従来の四角形表現を拡張し、8個の制御点を用いて曲線テキストを柔軟に表現 ・地名グループ化用の特殊トークン<s_toponym>の導入：離れた文字列をひとつの地名としてまとめることを可能にし、図３の「YOSEMITE NATIONAL PARK」などの正確なグルーピングを実現 図３：「CREPE」の歴史地図認識のための改良点 ■認識結果とコンペティションの成果 図４は改良版の「CREPE」をベースにした歴史地図認識の結果を示しています。テキストの模様にしたがって認識が可能であり、同一グループの地名は同色で表しています。 図４：「CREPE」をベースにした歴史地図認識の結果 これら成果により、今回のコンペティションで１位を獲得できました。 特に、唯一のEnd-to-Endモデルで上位入賞を果たした点は、大きな意義を持つ成果であると考えています。 図５：コンペティションの結果 ■LINE WORKS株式会社が提供するAIサービス、研究開発について LINE WORKS株式会社では、ビジネス現場のコミュニケーションツール「LINE WORKS」に加え、 AI技術を活用したサービスを提供しています。 また、AI技術そのものの研究開発にも注力しており、今後は、今回の論文で提案した手法をさらに発展させると共に、プロダクトへの適用や新たな機能・サービスの創出に努めてまいります。 ■LINE WORKS OCR https://line-works.com/ai-product/ocr/ ■LINE WORKS PaperOn https://lp.line-works.com/paperon/ ▼論文の詳細については下記をご参照ください。 Okamoto, Y. Baek, G. Kim, R. Nakao, D. Kim, M. Yim, S. Park,
2025.10.22
