論文の概要: DeepWriteSYN: On-Line Handwriting Synthesis via Deep Short-Term
Representations
- arxiv url: http://arxiv.org/abs/2009.06308v2
- Date: Tue, 8 Dec 2020 11:03:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 13:02:27.526522
- Title: DeepWriteSYN: On-Line Handwriting Synthesis via Deep Short-Term
Representations
- Title（参考訳）: DeepWriteSYN:Deep Short-Term Representationsによるオンライン手書き合成
- Authors: Ruben Tolosana, Paula Delgado-Santos, Andres Perez-Uribe, Ruben
Vera-Rodriguez, Julian Fierrez, Aythami Morales
- Abstract要約: DeepWriteSYNは、新しいオンライン手書き方式である。
与えられた人口や被写体内の自然な変動に対応する、与えられた手書き構造の現実的な手書き変化を生成することができる。
- 参考スコア（独自算出の注目度）: 14.498981800711302
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study proposes DeepWriteSYN, a novel on-line handwriting synthesis
approach via deep short-term representations. It comprises two modules: i) an
optional and interchangeable temporal segmentation, which divides the
handwriting into short-time segments consisting of individual or multiple
concatenated strokes; and ii) the on-line synthesis of those short-time
handwriting segments, which is based on a sequence-to-sequence Variational
Autoencoder (VAE). The main advantages of the proposed approach are that the
synthesis is carried out in short-time segments (that can run from a character
fraction to full characters) and that the VAE can be trained on a configurable
handwriting dataset. These two properties give a lot of flexibility to our
synthesiser, e.g., as shown in our experiments, DeepWriteSYN can generate
realistic handwriting variations of a given handwritten structure corresponding
to the natural variation within a given population or a given subject. These
two cases are developed experimentally for individual digits and handwriting
signatures, respectively, achieving in both cases remarkable results.
Also, we provide experimental results for the task of on-line signature
verification showing the high potential of DeepWriteSYN to improve
significantly one-shot learning scenarios. To the best of our knowledge, this
is the first synthesis approach capable of generating realistic on-line
handwriting in the short term (including handwritten signatures) via deep
learning. This can be very useful as a module toward long-term realistic
handwriting generation either completely synthetic or as natural variation of
given handwriting samples.
- Abstract（参考訳）: 本研究では,新しいオンライン手書き合成手法であるdeepwritesynを提案する。
モジュールは2つある。
一 個別又は複数の連結されたストロークからなる短時間のストロークに手書きを分割する、任意かつ交換可能な時間的セグメンテーション
二 シーケンシャル・ツー・シーケンシャル変分オートエンコーダ(vae)に基づく、これらの短時間筆跡セグメントのオンライン合成
提案手法の主な利点は、合成が短時間のセグメント(文字分数からフル文字まで)で実行され、vaeは構成可能な手書きデータセット上でトレーニング可能であることである。
これらの2つの性質は、例えば、実験で示されたように、我々の合成器に多くの柔軟性を与え、DeepWriteSYNは、与えられた集団または与えられた対象の自然変化に対応する、与えられた手書き構造の現実的な手書き変化を生成できる。
これら2つの症例はそれぞれ個別の指と筆跡に対して実験的に開発され,両症例とも著明な結果を得た。
また,DeepWriteSYNの潜在的な可能性を示すオンライン署名検証のタスクに対して,一発学習シナリオを大幅に改善するための実験結果を提供する。
私たちの知る限りでは、これはディープラーニングによって、短期(手書き署名を含む)で現実的なオンライン手書きを生成できる最初の合成アプローチです。
これは、完全に合成されたり、与えられた手書きサンプルの自然なバリエーションとして、長期的な現実的な手書き生成に向けたモジュールとして非常に有用である。
関連論文リスト
- Scalable Learning of Latent Language Structure With Logical Offline
Cycle Consistency [71.42261918225773]
概念的には、LOCCOは、トレーニング対象のセマンティクスを使用してラベルなしテキストのアノテーションを生成する、自己学習の一形態と見なすことができる。
追加ボーナスとして、LOCCOによって生成されたアノテーションは、神経テキスト生成モデルをトレーニングするために自明に再利用することができる。
論文 参考訳（メタデータ） (2023-05-31T16:47:20Z) - Towards Writing Style Adaptation in Handwriting Recognition [0.0]
著者のアイデンティティを付加的な入力として捉えるために,著者に依存したパラメータを持つモデルについて検討する。
本稿では,学習した分割の埋め込みを前提とした適応型インスタンス正規化層であるWriter Style Block (WSB)を提案する。
著者に依存したシナリオでは,本手法はWSBのないベースラインよりも優れており,新たなライターへの埋め込みを推定することが可能であることを示す。
論文 参考訳（メタデータ） (2023-02-13T12:36:17Z) - MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text
Generation [102.20036684996248]
多段階推論を用いた半構造化データからテキストを生成するための,ニューロシンボリックなモジュラーアプローチであるMURMURを提案する。
WebNLG や LogicNLG のような2つのデータ・テキスト生成タスクについて実験を行った。
論文 参考訳（メタデータ） (2022-12-16T17:36:23Z) - SLOGAN: Handwriting Style Synthesis for Arbitrary-Length and
Out-of-Vocabulary Text [35.83345711291558]
本稿では,任意の長文と語彙外文に対して,パラメータ化および制御可能な手書きスタイルを合成する手法を提案する。
我々は、容易に入手可能な印刷スタイルの画像を提供することで、テキストコンテンツを埋め込むことにより、コンテンツの多様性を柔軟に達成することができる。
本手法は,学習語彙に含まれない単語を,様々な新しいスタイルで合成することができる。
論文 参考訳（メタデータ） (2022-02-23T12:13:27Z) - Letter-level Online Writer Identification [86.13203975836556]
我々は文字レベルのオンラインライタIDという新たな問題に焦点をあてる。
主な課題は、しばしば異なるスタイルで手紙を書くことである。
我々はこの問題をオンライン書記スタイルのばらつき(Var-O-Styles)と呼ぶ。
論文 参考訳（メタデータ） (2021-12-06T07:21:53Z) - Data Incubation -- Synthesizing Missing Data for Handwriting Recognition [16.62493361545184]
コンテンツとスタイルの制御を通じて、より優れた認識器を構築するために、生成モデルがどのように使用できるかを示す。
データ合成を最適化するためにこのフレームワークを使用し、実際のデータのみに基づいてトレーニングされたモデルに対して、手書き認識を大幅に改善することを示す。
論文 参考訳（メタデータ） (2021-10-13T21:28:18Z) - Scalable Font Reconstruction with Dual Latent Manifolds [55.29525824849242]
タイポグラフィー解析とフォント再構成を行う深層生成モデルを提案する。
このアプローチによって、効果的にモデル化できるキャラクタの種類を大規模にスケールアップすることが可能になります。
多くの言語の文字タイプを表す様々なデータセット上でフォント再構成のタスクを評価する。
論文 参考訳（メタデータ） (2021-09-10T20:37:43Z) - Generating Handwriting via Decoupled Style Descriptors [28.31500214381889]
本稿では,手書き文字のデクリプタモデルについて紹介する。
キャラクタレベルのスタイルとライタレベルのスタイルの両方を規定し、私たちのモデルが全体的なスタイルの空間を表現できるようにします。
実験では, 得られた結果の88%が, アートベースライン法の現状よりも好適であった。
論文 参考訳（メタデータ） (2020-08-26T02:52:48Z) - Text Recognition in Real Scenarios with a Few Labeled Samples [55.07859517380136]
Scene Text Recognition (STR) はコンピュータビジョン分野におけるホットな研究テーマである。
本稿では,数ショットの逆数列領域適応 (FASDA) を用いて構築シーケンスを適応する手法を提案する。
我々のアプローチは、ソースドメインとターゲットドメインの間の文字レベルの混乱を最大化することができる。
論文 参考訳（メタデータ） (2020-06-22T13:03:01Z) - POINTER: Constrained Progressive Text Generation via Insertion-based
Generative Pre-training [93.79766670391618]
ハードコントラストテキスト生成のための新しい挿入ベースアプローチであるPOINTERを提案する。
提案手法は,既存のトークン間で段階的に新しいトークンを並列に挿入することによって動作する。
結果として生じる粗大な階層構造は、生成プロセスを直感的で解釈可能である。
論文 参考訳（メタデータ） (2020-05-01T18:11:54Z) - Spatio-Temporal Handwriting Imitation [11.54523121769666]
プロセスを小さなサブタスクに分割することで、人間の視覚的に区別できない確率で、誰かの筆跡を模倣することができる。
また,作成した偽の筆跡から,典型的な筆跡識別システムも部分的には騙すことができることを示す。
論文 参考訳（メタデータ） (2020-03-24T00:46:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。