FROD: Feature Matching Residual Denoising Oracle Bone Decipher

📄 arXiv: 2609.17227v1 📥 PDF

作者: Yanbin Hou, Biao Xiong, Guojun Xu, Jianwen Xiang, Cheng Tan, Yanchao Yang, Junwei Zhou

分类: cs.CV, cs.AI

发布日期: 2026-09-15

备注: 15 pages, 5 figures, 3 tables. Accepted at ICONIP 2026

💡 一句话要点

提出FROD以解决Oracle骨文解读中的噪声与结构问题

🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction)

关键词: Oracle骨文 图像翻译 特征匹配 去噪模型 字体风格化 文化遗产保护 古文字解读

📋 核心要点

  1. 传统的Oracle骨文解读方法依赖于专家分析，效率低且容易受到主观因素影响。
  2. FROD通过将解读任务视为图像翻译，利用特征匹配和去噪模型来提高解读精度。
  3. 在增强的数据集上，FROD实现了比基线更高的识别准确率，提升幅度达到3.8%。

📝 摘要（中文）

Oracle骨文（OBS）是中国最早的书写系统之一，对汉字的词源研究具有重要意义。传统的解读方法依赖于领域专家通过语义上下文和结构演变进行分析，过程繁琐且劳动密集。为此，本文将OBS解读辅助任务形式化为跨时代图像翻译任务，并提出FROD（特征匹配残差去噪Oracle骨文解读）。FROD利用快速特征匹配提供门控分割监督，处理足够匹配的样本以对齐细粒度部首，同时对低相似度对进行整体训练以避免伪影。此外，残差去噪扩散模型（RDDM）共同估计噪声和残差信号，从而减少标准扩散模型中常见的位置漂移和笔画混乱。最终，经过多阶段字体风格化精炼网络，消除边缘噪声并稳定笔画结构。在增强的字符不重叠数据集上，FROD的Top-1识别准确率高于评估基线，相较于OBSD有3.8%的绝对提升。

🔬 方法详解

问题定义：本文旨在解决Oracle骨文解读中的噪声干扰和结构混乱问题。现有方法依赖于专家分析，效率低且容易受到主观因素影响，导致解读结果不稳定。

核心思路：FROD通过将OBS解读视为跨时代图像翻译任务，利用快速特征匹配和残差去噪模型来提高解读的准确性和稳定性。这样的设计能够有效对齐细粒度部首，减少伪影和噪声。

技术框架：FROD的整体架构包括三个主要模块：特征匹配模块、残差去噪扩散模型（RDDM）和多阶段字体风格化精炼网络。特征匹配模块提供门控分割监督，RDDM共同估计噪声和残差信号，而精炼网络则负责消除边缘噪声和稳定笔画结构。

关键创新：FROD的核心创新在于结合了快速特征匹配和残差去噪模型，能够在处理不同相似度的样本时灵活调整训练策略。这与传统方法的单一分析方式形成鲜明对比。

关键设计：在FROD中，特征匹配采用了门控机制，确保高相似度样本的细粒度对齐；RDDM的设计使得噪声和残差信号的估计更加准确；多阶段精炼网络则通过逐步优化消除噪声，确保最终生成图像的质量。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

FROD在增强的字符不重叠数据集上实现了更高的Top-1识别准确率，相较于OBSD有3.8%的绝对提升，显示出其在Oracle骨文解读中的有效性和优势。这一结果表明，FROD在处理复杂字符解读任务时具有显著的性能提升。

🎯 应用场景

该研究的潜在应用领域包括古文字解读、历史文献数字化以及文化遗产保护等。通过提高Oracle骨文的解读精度，FROD能够为汉字的演变研究提供更为可靠的工具，促进对古代文化的理解和传承。未来，类似的方法也可以扩展到其他古文字或符号的解读中，具有广泛的实际价值。

📄 摘要（原文）

Oracle bone script (OBS), one of the earliest Chinese writing systems, plays an important role in the study of Chinese etymology. Traditional decipherment relies heavily on domain experts who analyze characters through semantic context and structural evolution. To assist this labor-intensive process, we formulate OBS decipherment assistance as a cross-era image translation task and propose FROD (Feature Matching Residual Denoising Oracle Bone Decipher). Although many OBS characters differ substantially from their modern counterparts, they often preserve local topological invariants at the radical level. During training, FROD leverages fast feature matching to provide gated segmentation supervision: paired samples with sufficient matches are processed patch-wise to align fine-grained radicals, whereas low-similarity pairs are trained holistically to avoid mismatched artifacts. In addition, a Residual Denoising Diffusion Model (RDDM) jointly estimates noise and residual signals, thereby reducing the positional drift and stroke disorder commonly observed in standard diffusion models. Finally, a multi-stage font stylization refinement network refines the generated images by eliminating edge noise and stabilizing stroke structures. On our augmented character-disjoint dataset, FROD achieves higher Top-1 recognition accuracy than the evaluated baselines, with a 3.8% absolute gain over OBSD.