@techreport{oai:ipsj.ixsq.nii.ac.jp:00223646,
 author = {藤巻, 晴葵 and 大丸, 綾子 and 板橋, 竜太 and 山下, 晃弘 and 松林, 勝志 and Haruki, Fujimaki and Ayako, Omaru and Ryuta, Itabashi and Akihiro, Yamashita and Katsushi, Matsubayashi},
 issue = {11},
 month = {Jan},
 note = {点字文書は，指先の触覚で情報を伝達するため，視覚的な表現方法を含むことができない．例えば，点字のサイズは一定で色は無く，レイアウトも左詰で固定となっている．一方で，印刷された文書は，書体の大きさや色などによる視覚的な強調，補足表現に加えて段組みや箇条書きなど，晴眼者に対して可読性を高める工夫がなされている．そのため，これらの文書を点字文書に変換する場合，単にその画像を OCR（光学文字認識）で処理し，抽出された文字列を点字に変換するだけでは適切とは言えない．視覚障碍者が読みやすい点字文書を作成するためには，文書を構成する要素ごとに切り分けたうえで，その内容やレイアウト，強調部分などを考慮して構成要素間の関係性や重要性を判断し，再構築する必要がある．場合によっては，読み手が正確に理解できるよう順番を変えたり，箇条書きの部分を点字特有の表現方法に変換したりする必要がある．例えば図表が多い取り扱い説明書や，書体の大きさが混在して，配置が整列されていないポスターなどを点訳（点字への翻訳）する場合，人手に頼った点訳が必要であり，多くの労力と時間に加えて点訳の専門知識が必要である．本研究では，これらの点訳作業を効率化するために，深層学習モデルの一つである LayoutLMv3 をバックボーンとして用いて，レイアウト付き日本語文書の構成要素分析モデルと，順序予測モデルを開発した．一方で，複雑な文書を視覚障碍者が理解しやすい点字文書に変換するためには多くのノウハウを必要とするにも関わらず，その知見はこれまで十分に蓄積されてこなかった．そこで本研究では，深層学習モデルを点訳支援機能として組み込んだクラウド型の点字翻訳システムを開発し，点訳者の作業効率向上を目指すと同時にその結果を蓄積し，そこに潜在するノウハウの見える化と体系化を実現するための基盤を整備した．},
 title = {レイアウト付き文書に対応したクラウド型点字翻訳システムの実用化と深層学習による半自動化},
 year = {2023}
}