論文の概要: Online Signature Verification based on the Lagrange formulation with 2D and 3D robotic models

• arxiv url: http://arxiv.org/abs/2503.13573v1
• Date: Mon, 17 Mar 2025 12:56:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:16:55.403131
• Title: Online Signature Verification based on the Lagrange formulation with 2D and 3D robotic models
• Title（参考訳）: 2次元および3次元ロボットモデルを用いたラグランジュ定式化に基づくオンライン署名検証
• Authors: Moises Diaz, Miguel A. Ferrer, Juan M. Gil, Rafael Rodriguez, Peirong Zhang, Lianwen Jin,
• Abstract要約: 本稿では,オンライン署名のダイナミクスに基づく機能セットを提案する。 新たな特徴はラグランジュの定式化を通じて推測され、2次元および3次元ロボットアームモデルのための一般化座標とトルクのシーケンスを得る。
• 参考スコア（独自算出の注目度）: 27.987634881380618
• License:
• Abstract: Online Signature Verification commonly relies on function-based features, such as time-sampled horizontal and vertical coordinates, as well as the pressure exerted by the writer, obtained through a digitizer. Although inferring additional information about the writers arm pose, kinematics, and dynamics based on digitizer data can be useful, it constitutes a challenge. In this paper, we tackle this challenge by proposing a new set of features based on the dynamics of online signatures. These new features are inferred through a Lagrangian formulation, obtaining the sequences of generalized coordinates and torques for 2D and 3D robotic arm models. By combining kinematic and dynamic robotic features, our results demonstrate their significant effectiveness for online automatic signature verification and achieving state-of-the-art results when integrated into deep learning models.
• Abstract（参考訳）: オンライン署名検証は一般的に、時間サンプリングされた水平座標や垂直座標のような関数ベースの特徴と、ディジタイザによって得られるライターの圧力に依存している。 ライターアームのポーズ、キネマティクス、ダイナミックスに関する追加情報をデジタイザデータに基づいて推測することは有用であるが、これは課題となっている。 本稿では,オンライン署名のダイナミクスに基づいた機能セットを提案することで,この問題に対処する。 これらの新しい特徴はラグランジュの定式化を通じて推測され、2Dおよび3Dロボットアームモデルのための一般化座標とトルクのシーケンスを得る。 本研究は,動力学的・動的ロボット的特徴を組み合わせることで,オンライン自動署名検証と,ディープラーニングモデルに統合した場合の最先端結果の実現に有意な効果を示した。

関連論文リスト

• Anthropomorphic Features for On-Line Signatures [3.7141182051230914]
  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。
  論文  参考訳（メタデータ） (2025-01-15T11:28:36Z)
• Drive-1-to-3: Enriching Diffusion Priors for Novel View Synthesis of Real Vehicles [81.29018359825872]
  本稿では,実世界の課題に対して,大規模な事前学習モデルを微調整するための一連の優れたプラクティスを統合する。 具体的には,合成データと実運転データとの相違を考慮に入れたいくつかの戦略を開発する。 我々の洞察は、先行芸術よりも新しいビュー合成のためのFIDを68.8%値下げする効果のある微調整につながる。
  論文  参考訳（メタデータ） (2024-12-19T03:39:13Z)
• Neural network modelling of kinematic and dynamic features for signature verification [9.143522881319294]
  角速度, 角位置, 力トルクを推定するための2つの手法を提案する。 最初のアプローチは、物理的なUR5eロボットアームを使用して、それらのパラメータを時間をかけてキャプチャしながらシグネチャを再現する。 2つ目の方法はコスト効率のよいアプローチで、ニューラルネットワークを使って同じパラメータを推定する。
  論文  参考訳（メタデータ） (2024-11-26T15:17:24Z)
• 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)
• Learning Dynamic Tetrahedra for High-Quality Talking Head Synthesis [31.90503003079933]
  我々は、ニューラルネットワークによる明示的な動的メッシュをエンコードする新しいハイブリッド表現であるDynamic Tetrahedra(DynTet)を紹介する。 以前の研究と比較すると、DynTetは様々なメトリクスに従って忠実さ、唇の同期、リアルタイムのパフォーマンスを著しく改善している。
  論文  参考訳（メタデータ） (2024-02-27T09:56:15Z)
• Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
  自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。 自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
  論文  参考訳（メタデータ） (2024-02-19T15:33:09Z)
• 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)
• VolumeDiffusion: Flexible Text-to-3D Generation with Efficient Volumetric Encoder [56.59814904526965]
  本稿では,テキストから3D生成のための先駆的な3Dエンコーダを提案する。 マルチビュー画像から特徴ボリュームを効率よく取得する軽量ネットワークを開発した。 3Dボリュームは、3D U-Netを使用してテキストから3D生成のための拡散モデルに基づいて訓練される。
  論文  参考訳（メタデータ） (2023-12-18T18:59:05Z)
• Deep Generative Models on 3D Representations: A Survey [81.73385191402419]
  生成モデルは、新しいインスタンスを生成することによって観測データの分布を学習することを目的としている。 最近、研究者は焦点を2Dから3Dにシフトし始めた。 3Dデータの表現は、非常に大きな課題をもたらします。
  論文  参考訳（メタデータ） (2022-10-27T17:59:50Z)
• UltraPose: Synthesizing Dense Pose with 1 Billion Points by Human-body Decoupling 3D Model [58.70130563417079]
  我々は,身体の発生を自由に制御できる,一連の分離されたパラメータを持つ新しい3次元人体モデルを導入する。 既存の手動注釈付きDensePose-COCOデータセットと比較して、合成されたUltraPoseは、アノテーションのコストと誤差を伴わずに、超高密度な画像-地上対応を持つ。
  論文  参考訳（メタデータ） (2021-10-28T16:24:55Z)

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。