摘要
本发明提供了一种基于生成式大语言模型的古籍修复方法和系统,应用于古籍修复技术领域;所述方法包括:采用基于深度学习的零参考深度曲线估计方法进行图像增强;根据大语言模型编码古籍缺陷图像的像素特征;根据大语言模型生成待修复的缺陷图像块特征;对古籍缺陷图像的生成特征进行状态空间映射来复原缺陷图像的特征;对古籍缺陷图像及修复后的缺陷图像进行图像文字识别,输出完整的古籍文字。所述系统包括古籍缺陷区域检测单元、古籍缺陷图像编码单元、古籍缺陷图像生成单元、古籍缺陷图像复原单元和古籍文字识别单元。本发明能够有效提升古籍修复的准确率和效率,具有良好的修复效果,鲁棒性好。
技术关键词
古籍修复方法
大语言模型
深度卷积神经网络
曲线估计方法
生成特征
文字识别器
注意力
前馈神经网络
图像块特征
像素
神经网络模型
映射方法
深度卷积网络
图像生成单元
解码器
转换器
矩阵
系统为您推荐了相关专利信息
配电网抢修
大语言模型
相似性度量方法
生成方法
文本
大语言模型
问答系统
文本
构建知识图谱
Neo4j数据库
大语言模型
SDN控制器
网络自愈方法
命令
非易失性计算机存储介质
大语言模型
文本分类器
监督文本分类
文本分类方法
样本