Preinsperger, C. (2026). Linked List Prediction for Phrase Spotting in Historical Map Data [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2026.146473
E193 - Institut für Visual Computing and Human-Centered Technology
-
Date (published):
2026
-
Number of Pages:
91
-
Keywords:
Historical maps; Phrase spotting; Text linking; Text spotting; Reading order reconstruction; Linked-list prediction; Transformer; Multimodal learning; Synthetic training data; Optical character recognition
en
Abstract:
Historische Karten enthalten geografische, politische, wirtschaftliche und kulturelle Informationen. Ihre textuellen Inhalte liegen jedoch häufig ausschließlich in Form nicht durchsuchbarer Rasterbilder vor. Moderne Text-Spotting-Systeme können einzelne Wörter erkennen und transkribieren, rekonstruieren jedoch nicht notwendigerweise mehrteilige Beschriftungen oder deren Lesereihenfolge. Diese Arbeit untersucht das Phrase Spotting in historischen Karten, das wortbasiertes Text Spotting mit anschließender Textverknüpfung kombiniert. Die Textverknüpfung wird dabei als Vorhersage einer verketteten Liste formuliert.Die vorgeschlagene Methode MapLink repräsentiert jedes erkannte Wort als Knoten und sagt entweder den Index seines direkten Nachfolgers oder eine spezielle Klasse für das Phrasenende voraus. Textuelle, geometrische und visuelle Merkmale der Wörter werden fusioniert und mithilfe eines leichtgewichtigen Transformer-Encoders kontextualisiert. Die modulare Architektur kann mit unterschiedlichen Text-Spotting-Systemen kombiniertwerden, ohne deren ursprüngliche Erkennungen oder Transkriptionen zu verändern.MapLink verbessert die Verknüpfungsleistung mehrerer bestehender Pipelines deutlich. Auf dem David-Rumsey-Datensatz erreicht die Methode einen Link-F1-Score von 69,87% für die Wortvorhersagen des Self-Sequencers und 67,03% für die Vorhersagen von PaLeTTe, verglichen mit 72,56% für das größere LIGHT-Modell. Auf dem Datensatz des napoleonischen Katasters verbessert MapLink den Link-F1-Score von TESTR von 5,51% auf 46,48%.Ablationsexperimente zeigen, dass geometrische Informationen die wichtigste Eingabemodalität darstellen, während textuelle und visuelle Merkmale nur einen begrenzten zusätzlichen Beitrag leisten. Sinusförmige und gelernte Geometriekodierungen erzielen insgesamt ähnliche Ergebnisse, wobei ihre relative Leistung vom jeweiligen Datensatz abhängt. Die Ergebnisse zeigen, dass die leichtgewichtige Vorhersage von Nachfolgerindizes einen praktikablen und konkurrenzfähigen Ansatz zur Rekonstruktion von Phrasen auf historischen Karten darstellt.
de
Historical maps contain valuable geographic, political, economic, and cultural information, but their textual content is often available only in unsearchable raster images. While modern text-spotting systems can detect and recognize individual words, they do not necessarily reconstruct multiword labels or their reading order. This thesis addresses phrase spotting in historical maps by formulating the text-linking stage as a linked-list prediction problem.The proposed method, MapLink, represents each detected word as a node and predicts either the index of its direct successor or an end-of-phrase class. Textual, geometric, and visual word features are fused and contextualized using a lightweight Transformer encoder. The modular architecture can be attached to different text-spotting systems without modifying their original detections or transcriptions.MapLink substantially improves the linking performance of several existing pipelines. On the David Rumsey dataset, it reaches a Link F1-score of 69.87% on Self-Sequencer word predictions and 67.03% on PaLeTTe predictions, compared with 72.56% for the larger LIGHT model. On the Napoleonic Cadastre, MapLink improves TESTR from 5.51% to 46.48% Link F1.Ablation experiments show that geometry is the dominant input modality, while textual and visual features provide only limited additional benefit. Sinusoidal and learned geometry encodings perform similarly overall, although their relative performance depends on the dataset. The results demonstrate that lightweight successor-index prediction is a viable and competitive approach to phrase reconstruction on historical maps.
en
Additional information:
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprüft Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers