Yaklaşık milyar dolar bütçesi olmayan, Pakistanlı üç arkadaş grubu, 2015 yılında Urduca yazılmış ve çoğu zaman baskısı tükenmiş birçok kitabı dijitalleştirmek için bir araya geldi. Bu projeye “Ibteda” adını verdiler. Hiçbir mali destek olmadan, sadece dil sevgisiyle hareket eden bu ekip, Nikon D5300 modelinden 576.000, D3300 modelinden ise 326.000 fotoğraf çekerek, projeyi bir süre sonra tamamlamak zorunda kaldı. Ancak, grubun üyelerinden biri, benzer projelere yardımcı olabilecek yenilikçi bir çözüm geliştirdi.
Ekip, tüm kitapları kendi ceplerinden satın aldı ve projeye başlamak için tek bir Nikon D5300 kamera, bazı LED lambalar ve fotokopi makinelerinden alınan cam bir levha kullandı. Süreç birçok açıdan manueldi: sayfaları elle çevirmenin yanı sıra, ekip üyeleri sonuçları Photoshop’ta düzenlemek için uzun saatler harcadı.
Bir sayfanın arşiv kalitesinde dijital kopyasını elde etmek, en iyi kamerayla fotoğraf çekmekten çok daha karmaşıktır. Tutarlı kenar boşlukları, metin boyutu, yönlendirme ve aynı perspektif düzeltmesini tüm bir kitap boyunca kullanmak gibi birçok ayrıntıya dikkat edilmesi gerekir. Nadiren de olsa, aynı prosedür birkaç yayın için kullanılabilir; ancak iki adet aynı görünse bile, A kitabının B’den daha kalın olması durumunda, sayfalar arasındaki boşluk ve hatta perspektif farklı olabilir.
Ek bir zorluk olarak, eserlerin çoğu Urduca yazı ile yazılmıştı. Urduca, Pakistan’ın ulusal dili olup, Hindistan’ın bazı bölgelerinde ve dünya çapındaki topluluklarda da konuşulmaktadır. Yazı biçimi başlangıçta zarif ve akıcı bir yazı olmasına rağmen, telefonlar ve internetin yaygınlaşmasıyla birlikte Roman karakterlere geçilmiştir.
Yazı formatının bu şekilde olması, düzenlerin neredeyse her zaman benzersiz olmasını gerektirir ve eserler arasında basılı kitaplardan, yüzyıllık litografilere ve el yazısı notlara kadar her şey bulunmaktadır. Ayrıca, Urduca yazıda çok sayıda nokta, diakritik işaret ve küçük sembol kullanıldığı için, fotoğraf çekimi sırasında oluşan gürültü, kir ve lekelerin gerçek yazıdan ayırt edilmesi gerekiyordu. Başka bir deyişle, her kitap kendi içinde benzersizdi ve özellikle eski litograflerde, kenar boşluklarında çok sayıda not bulunuyordu.
Tüm bu faktörler nedeniyle, fotoğrafları çekmek zahmetli olsa da nispeten hızlıydı; ancak sonuçları düzenlemek önemli ölçüde zaman alıyordu. D5300 modelinden 576.000 ve D3300 modelinden 326.000 fotoğraf çekildikten sonra, ekip üyelerinden biri, bu fotoğrafların tamamını elle düzenlemenin mümkün olmadığı bir noktaya ulaştı ve yapay zeka tabanlı bir çözüm geliştirdi.
İlk denemelerde kullanılan standart bilgisayar görüş yöntemleri başarılı olmadı, çünkü bir dizi kitap için çalışan bir ayar, sonraki kitaplar için tamamen işe yaramıyordu. Araştırmacı, daha sonra kendi düzenlenmiş görüntülerini kullanarak kaynak/hedef eşleşmesi oluşturabileceğini fark etti ve “düzenlenmiş sayfalar etiketler haline geldi” diyerek, Photoshop dosyalarından elde edilen verileri kullanarak bir sinir ağını eğitme fikli ortaya çıktı.
İlk zorluk, kırpma sınırlarını eşleştirmekti; bu, komşu sayfalardaki tekrarlayan vuruşlar, kelimeler, kenarlıklar ve sütun desenleri nedeniyle zordu. Bir sonraki adım, görünen alanı belirlemek ve boşlukları ayırmak gerekti ve tablolar ile derin gölgeler bu işlemi zorlaştırıyordu. Kırpma hataları özel bir işlem gerektiriyordu ve lekelerin temizlenmesi de ayrı bir adımdı.
İlginç bir şekilde, araştırmacı daha büyük bir model veya daha fazla eğitim örneği kullanmanın sonuçların doğruluğunu aslında azalttığını fark etti. Her kitap için kullanılan kırpma kenar boşluğu (iç kısım), düzenleyicinin takdirine bağlıydı. Ancak bu, modelin desen tanıma yeteneğini geliştirmek yerine bozdu.
Son işlem, yeni bir kitap için hala on adet kalibrasyon örneği gerektiriyor, ancak bu, tüm kitabı işlemek için gereken manuel çaba miktarını önemli ölçüde azaltıyor. Son olarak, kitaplar BLAKE3 manifestleriyle birlikte ZFS havuzunda barındırılıyor.
Tüm hikaye ve teknik detaylar adresindeki makalede anlatılmaktadır ve güzel Urduca yazıları adresinde bulabilirsiniz. Benim gibi okuyamayanlar için, çeviriler oldukça anlamlı.
Kaynak: Tom’s Hardware
Bu Gelişmeyi Toplulukta Değerlendirin
Haber hakkındaki düşüncelerinizi, donanım deneyimlerinizi ve teknik sorularınızı topluluk üyeleriyle anlık olarak tartışın.
Bir yanıt yazın