Preserving Myanmar’s Ancient Heritage: A Novel Dataset and ResNet Architecture for Pyu Character Recognition

Resumo Técnico: Preservando o Patrimônio Antigo de Myanmar via Reconhecimento de Caracteres Pyu

Definição do Problema
O antigo alfabeto Pyu, um elemento fundamental do patrimônio cultural de Myanmar e um sistema de escrita histórico reconhecido pela UNESCO, enfrenta um gargalo crítico na preservação digital. Apesar da existência de tesouros epigráficos inestimáveis em pedra, argila e metal do século I a.C. ao século IX d.C., a língua Pyu carece de recursos computacionais padronizados. Especificamente, o alfabeto ainda não foi formalizado sob o consórcio Unicode, o que impede o uso de pipelines padrão de Processamento de Linguagem Natural (NLP) e mecanismos de Reconhecimento Óptico de Caracteres (OCR). Além disso, há uma ausência completa de conjuntos de dados computacionais padronizados e rotulados necessários para treinar modelos modernos de aprendizado profundo (deep learning). Embora avanços recentes no reconhecimento da escrita birmanesa (ex: myMNIST) tenham utilizado aprendizado profundo, esses métodos não podem ser aplicados ao Pyu devido à falta de dados de treinamento e à natureza distinta e extinta do alfabeto.

Metodologia
Para preencher essa lacuna digital, o estudo propõe uma estrutura abrangente para digitalizar, aumentar e classificar caracteres Pyu através de um fluxo de trabalho de múltiplas etapas:

1. Curadoria de Dados e Aquisição Física:

   • Referência: O estudo adere estritamente às tabelas canônicas de Pyu Reader: A History of Pyu Alphabet de Thiripyanchi U Tha Myat [1], cobrindo as 33 consoantes Pyu.
   • Aquisição: Devido à falta de fontes digitais, o autor escreveu fisicamente à mão 25 variações estilísticas únicas para cada uma das 33 consoantes em papel branco usando tinta preta. Isso resultou em uma base de 825 imagens brutas (33 classes × 25 variações).
   • Pré-processamento: As imagens foram digitalizadas sob iluminação controlada, redimensionadas para 224 × 224 pixels, convertidas para escala de cinza de canal único e binarizadas para produzir traços brancos de alto contraste sobre um fundo preto.

2. Protocolo de Aumento de Dados (Data Augmentation):

   • Para mitigar a escassez de dados e simular as irregularidades físicas de inscrições históricas (ex: intemperismo, erosão e perspectiva de câmera), um pipeline de aumento de múltiplos operadores foi aplicado.
   • O conjunto de dados foi expandido seis vezes (de 825 para 4.950 imagens) usando cinco transformações:
     • Rotação: Ângulos aleatórios entre -10° e 10°.
     • Translação: Deslocamentos aleatórios de ±10 pixels nos eixos horizontal e vertical.
     • Desfoque Gaussiano (Gaussian Blur): Simulando a difusão de tinta ou erosão da pedra (σ = 0).
     • Transformação Afim: Simulando variações de velocidade/pressão do traço via cisalhamento e estiramento.
     • Transformação de Perspectiva: Simulando ângulos de câmera não perpendiculares comuns na fotografia arqueológica.

3. Arquitetura do Modelo e Treinamento:

   • Arquitetura: Foi empregada uma ResNet-18 de canal único modificada. A primeira camada convolucional foi alterada para aceitar entrada de escala de cinza de 1 canal (224×224×1) em vez de 3 canais RGB, e a última camada totalmente conectada foi reconfigurada para produzir 33 classes.
   • Configuração de Treinamento: O conjunto de dados foi estratificado em um conjunto de treinamento de 80% (3.960 imagens), um conjunto de validação de 10% (495 imagens) e um conjunto de teste de 10% (495 imagens). O treinamento utilizou o otimizador AdamW, perda de Entropia Cruzada Categórica (Categorical Cross-Entropy), uma taxa de aprendizado de 0,001 e um tamanho de lote (batch size) de 64 ao longo de 10 épocas em GPUs duplas NVIDIA T4.

Principais Contribuições
O artigo apresenta três contribuições primárias para o campo da paleografia computacional:

1. O Primeiro Conjunto de Dados Público de Pyu: A introdução do primeiro conjunto de dados de escrita manual sistematicamente curado e publicamente disponível das 33 consoantes Pyu, hospedado no GitHub, Hugging Face e Kaggle.
2. Protocolo de Aumento Especializado: A definição de um robusto pipeline de expansão de dados adaptado para línguas históricas de baixos recursos, especificamente projetado para simular a degradação física e as distorções geométricas encontradas na epigrafia.
3. Benchmark de Referência: O estabelecimento de um benchmark de desempenho usando uma ResNet-18 modificada, validando a distintividade visual do alfabeto curado e fornecendo um ponto de referência para futuros estudos de classificação.

Resultados Experimentais
O modelo ResNet-18 modificado demonstrou convergência rápida e estável:

• Convergência: O modelo atingiu 100% de acurácia de validação na terceira época, com a perda de validação caindo para 0,0081.
• Desempenho de Teste: No conjunto de teste completamente inédito (495 imagens), o modelo alcançou 100,00% de acurácia de classificação.
• Métricas: Precisão, revocação (recall) e F1-scores atingiram 1,00 para todas as 33 classes de consoantes. A matriz de confusão confirmou que cada amostra de teste foi classificada corretamente, indicando que o conjunto de dados aumentado preservou com sucesso a distintividade estrutural dos caracteres.

Significância e Limitações
O artigo posiciona este trabalho como um passo fundamental para a preservação digital do patrimônio antigo de Myanmar. Ao fornecer o primeiro conjunto de dados padronizado, ele permite a aplicação de técnicas modernas de visão computacional a um alfabeto anteriormente inacessível.

No entanto, os autores mantêm uma perspectiva modesta e realista em relação aos resultados. Eles afirmam explicitamente que a acurácia de 100% foi alcançada sob condições controladas, onde os caracteres estavam isolados, centralizados e com alto contraste. Os autores alertam que este baseline ainda não resolve o problema de reconhecer inscrições em pedra do mundo real, degradadas e ruidosas, encontradas em locais arqueológicos, que sofrem com erosão, rachaduras e fundos complexos. Consequentemente, este estudo serve como um "degrau necessário" em vez de uma solução final. O trabalho futuro é identificado como focado na expansão do conjunto de dados para incluir vogais e diacríticos, e na aplicação de adaptação de domínio e transferência de aprendizado (transfer learning) para reduzir a lacuna entre estas imagens sintéticas limpas e a epigrafia real de campo.