論文の概要: Anthropomorphic Features for On-Line Signatures

• arxiv url: http://arxiv.org/abs/2501.09048v1
• Date: Wed, 15 Jan 2025 11:28:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:11:15.040217
• Title: Anthropomorphic Features for On-Line Signatures
• Title（参考訳）: オンライン署名のための擬似的特徴
• Authors: Moises Diaz, Miguel A. Ferrer, Jose J. Quintana,
• Abstract要約: 本稿では,オンライン署名を効率的に記述するための特徴空間を提案する。 サインを作成するには骨格の腕系とその関連筋が必要であるため、新しい特徴空間は、署名時の肩、肘、手首関節の動きを特徴付けるものである。
• 参考スコア（独自算出の注目度）: 3.7141182051230914
• License:
• Abstract: Many features have been proposed in on-line signature verification. Generally, these features rely on the position of the on-line signature samples and their dynamic properties, as recorded by a tablet. This paper proposes a novel feature space to describe efficiently on-line signatures. Since producing a signature requires a skeletal arm system and its associated muscles, the new feature space is based on characterizing the movement of the shoulder, the elbow and the wrist joints when signing. As this motion is not directly obtained from a digital tablet, the new features are calculated by means of a virtual skeletal arm (VSA) model, which simulates the architecture of a real arm and forearm. Specifically, the VSA motion is described by its 3D joint position and its joint angles. These anthropomorphic features are worked out from both pen position and orientation through the VSA forward and direct kinematic model. The anthropomorphic features' robustness is proved by achieving state-of-the-art performance with several verifiers and multiple benchmarks on third party signature databases, which were collected with different devices and in different languages and scripts.
• Abstract（参考訳）: オンライン署名検証において多くの特徴が提案されている。 一般的に、これらの機能は、タブレットが記録しているように、オンラインシグネチャサンプルの位置とそれらの動的特性に依存している。 本稿では,オンライン署名を効率的に記述するための特徴空間を提案する。 サインを作成するには骨格の腕系とその関連筋が必要であるため、新しい特徴空間は、署名時の肩、肘、手首関節の動きを特徴付けるものである。 この動きはデジタルタブレットから直接は得られないため、実際の腕と前腕のアーキテクチャをシミュレートする仮想骨格アーム(VSA)モデルを用いて、これらの特徴を計算する。 特に、VSA運動は、その3次元関節位置とその関節角度によって記述される。 これらの人為的特徴は、VSA前方および直接運動モデルを通して、ペンの位置と向きの両方から取り出される。 人為的特徴の堅牢性は、異なるデバイスと異なる言語とスクリプトで収集された複数の検証器と、サードパーティのシグネチャデータベース上の複数のベンチマークを用いて、最先端のパフォーマンスを達成することで証明される。

関連論文リスト

• Offline Handwritten Signature Verification Using a Stream-Based Approach [7.18805896964466]
  署名検証システムは、真と偽の署名を区別する。 従来のHSV開発には静的なバッチ構成が含まれる。 本稿では,無限のシグネチャ列を受信し,時間とともに更新される適応システムを用いた新しいHSV手法を提案する。
  論文  参考訳（メタデータ） (2024-11-10T16:16:06Z)
• Offline Signature Verification Based on Feature Disentangling Aided Variational Autoencoder [6.128256936054622]
  シグネチャ検証システムの主なタスクは、シグネチャ画像から特徴を抽出し、分類のための分類器を訓練することである。 署名検証モデルがトレーニングされている場合、熟練した偽造の例は、しばしば利用できない。 本稿では, 可変オートエンコーダ(VAE)を用いて, 署名画像から直接特徴を抽出する新しい署名検証手法を提案する。
  論文  参考訳（メタデータ） (2024-09-29T19:54:47Z)
• Atlas3D: Physically Constrained Self-Supporting Text-to-3D for Simulation and Fabrication [50.541882834405946]
  我々は,テキストから3Dへの自動的実装であるAtlas3Dを紹介する。 提案手法は,新しい微分可能シミュレーションに基づく損失関数と,物理的にインスパイアされた正規化を組み合わせたものである。 我々は、Atlas3Dの有効性を広範囲な生成タスクを通して検証し、シミュレーションと実環境の両方で結果の3Dモデルを検証する。
  論文  参考訳（メタデータ） (2024-05-28T18:33:18Z)
• HandBooster: Boosting 3D Hand-Mesh Reconstruction by Conditional Synthesis and Sampling of Hand-Object Interactions [68.28684509445529]
  HandBoosterは、データの多様性を向上し、3Dハンド・ミーシュ・リコンストラクションのパフォーマンスを向上する新しいアプローチである。 まず,多様な手やポーズ,ビュー,背景を持つリアルな画像を生成するために,拡散モデルを誘導する多目的コンテンツ認識条件を構築した。 そこで我々は,我々の類似性を考慮した分布サンプリング戦略に基づく新しい条件作成手法を設計し,トレーニングセットとは異なる,斬新で現実的なインタラクションのポーズを意図的に見つける。
  論文  参考訳（メタデータ） (2024-03-27T13:56:08Z)
• Synthesis of 3D on-air signatures with the Sigma-Lognormal model [3.6467072494275734]
  本稿では,対数正規性原理を利用した合成3Dオンエアシグネチャを生成するフレームワークを提案する。 実際の3Dシグネチャを模倣した合成3Dシグネチャデータベースを作成した。 また,提案手法は3次元空気の書き起こしやジェスチャーの合成にも有効であることを示した。
  論文  参考訳（メタデータ） (2024-01-29T17:35:19Z)
• TapMo: Shape-aware Motion Generation of Skeleton-free Characters [64.83230289993145]
  骨格のない3Dキャラクタの広帯域における動作のためのテキスト駆動アニメーションパイプラインであるTapMoを提案する。 TapMoはMesh Handle PredictorとShape-aware Diffusion Moduleの2つの主要コンポーネントで構成されている。
  論文  参考訳（メタデータ） (2023-10-19T12:14:32Z)
• ROAM: Robust and Object-Aware Motion Generation Using Neural Pose Descriptors [73.26004792375556]
  本稿では,3次元オブジェクト認識キャラクタ合成における新しいシーンオブジェクトへのロバストさと一般化が,参照オブジェクトを1つも持たないモーションモデルをトレーニングすることで実現可能であることを示す。 我々は、オブジェクト専用のデータセットに基づいて訓練された暗黙的な特徴表現を活用し、オブジェクトの周りのSE(3)-同変記述体フィールドをエンコードする。 本研究では,3次元仮想キャラクタの動作と相互作用の質,および未知のオブジェクトを持つシナリオに対するロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-24T17:59:51Z)
• Intrapersonal Parameter Optimization for Offline Handwritten Signature Augmentation [17.11525750244627]
  本稿では,最も一般的なライターの変動特性を自動的にモデル化する手法を提案する。 この方法は、画像と特徴空間のオフラインシグネチャを生成し、ASVSを訓練するために使われる。 我々は、よく知られた3つのオフライン署名データセットを用いて、ASVSの性能を生成されたサンプルで評価する。
  論文  参考訳（メタデータ） (2020-10-13T19:54:02Z)
• FCN+RL: A Fully Convolutional Network followed by Refinement Layers to Offline Handwritten Signature Segmentation [3.3144312096837325]
  そこで本研究では,手書き署名の画素の識別と抽出を行う手法を提案する。 この技術は、完全な畳み込みエンコーダ・デコーダネットワークと、予測された画像のアルファチャネルのための洗練されたレイヤのブロックを組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-28T18:47:10Z)
• SSN: Shape Signature Networks for Multi-class Object Detection from Point Clouds [96.51884187479585]
  点雲から形状情報を探索する新しい3次元形状シグネチャを提案する。 対称, 凸船体, チェビシェフフィッティングの操作を取り入れることで, 提案した形状のシグ・ナチュアはコンパクトで有効であるだけでなく, 騒音にも頑健である。 実験により,提案手法は2つの大規模データセット上の既存手法よりも著しく優れた性能を示した。
  論文  参考訳（メタデータ） (2020-04-06T16:01:41Z)
• Monocular Real-time Hand Shape and Motion Capture using Multi-modal Data [77.34069717612493]
  本稿では,100fpsの単眼手形状とポーズ推定の新たな手法を提案する。 これは、利用可能なハンドトレーニングデータのソースをすべて活用できるように設計された、新しい学習ベースのアーキテクチャによって実現されている。 3次元手関節検出モジュールと逆キネマティクスモジュールを備えており、3次元手関節位置だけでなく、1つのフィードフォワードパスでそれらを関節回転にマッピングする。
  論文  参考訳（メタデータ） (2020-03-21T03:51:54Z)

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。