이 데이터셋은 출판사 및 저자의 정식 라이선스를 확보한 발루치어 인쇄 도서를 디지털화한 자료로, 희귀 아랍 문자 계열 석판 인쇄본을 포함합니다. 원본 페이지 스캔본, OCR 추출 텍스트, 원어민 전문가가 교차 검증한 정답 텍스트로 구성되어 있습니다.
활용 사례
- 발루치어 OCR·VLM 인식 모델 학습: 원본 페이지 스캔본과 원어민 전문가가 검증한 정답 텍스트를 쌍으로 활용하여, 희귀 석판 인쇄본의 복잡한 문자 형태를 인식하도록 OCR 및 시각언어모델(VLM)을 학습하거나 파인튜닝할 수 있습니다.
- 발루치어 텍스트 자원 구축: 스캔 이미지 없이 정답 텍스트만 따로 떼어내어, 저자원 언어인 발루치어의 코퍼스 구성·텍스트 정규화 등 자연어처리(NLP) 연구를 위한 언어 자원으로 활용할 수 있습니다.