Automated sign detection across the Electronic Babylonian Library
Lire les tablettes cunéiformes est extrêmement exigeant, et seule une petite fraction des quelque demi-million de tablettes mises au jour a été analysée par les assyriologues. Les auteurs exploitent le plus grand jeu de données annoté de signes cunéiformes à ce jour et évaluent un modèle de détection d'objets basé sur Deformable DETR selon deux granularités de classes (173 et 106). Le système combine une extraction automatique des côtés de tablette, un regroupement heuristique des lignes et une évaluation de similarité textuelle par n-grammes pour relier la détection visuelle des signes à la structure textuelle. Sur des métriques de détection de type COCO, la méthode améliore de manière consistante les résultats antérieurs jusqu'à 28–37 % et, en inférence, elle a été appliquée à 87 668 fragments de la bibliothèque électronique babylonienne pour produire près de 2,9 millions de détections de signes. La méthode fonctionne sans connaissances linguistiques a priori et reste sensible aux dommages et à la variabilité de mise en page, mais elle offre une base évolutive et interprétable pour l'analyse corpusielle et l'intégration future de modèles multimodaux et linguistiques.