論文の概要: MarkMatch: Same-Hand Stuffing Detection

• arxiv url: http://arxiv.org/abs/2505.07032v1
• Date: Sun, 11 May 2025 16:05:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.169684
• Title: MarkMatch: Same-Hand Stuffing Detection
• Title（参考訳）: MarkMatch: 同じ手ぶれ検出
• Authors: Fei Zhao, Runlin Zhang, Chengcui Zhang, Nitesh Saxena,
• Abstract要約: MarkMatchは、クエリマークとデータベースのマークのスタイル的類似性を、対照的な学習を使ってランク付けする。 システムでは、選挙監査官が不審な投票を視覚的に非バイオメトリックで調査するための実用的なツールを提供する。
• 参考スコア（独自算出の注目度）: 7.42298518663784
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present MarkMatch, a retrieval system for detecting whether two paper ballot marks were filled by the same hand. Unlike the previous SOTA method BubbleSig, which used binary classification on isolated mark pairs, MarkMatch ranks stylistic similarity between a query mark and a mark in the database using contrastive learning. Our model is trained with a dense batch similarity matrix and a dual loss objective. Each sample is contrasted against many negatives within each batch, enabling the model to learn subtle handwriting difference and improve generalization under handwriting variation and visual noise, while diagonal supervision reinforces high confidence on true matches. The model achieves an F1 score of 0.943, surpassing BubbleSig's best performance. MarkMatch also integrates Segment Anything Model for flexible mark extraction via box- or point-based prompts. The system offers election auditors a practical tool for visual, non-biometric investigation of suspicious ballots.
• Abstract（参考訳）: 2つの紙の投票マークが同じ手で満たされているかどうかを検知する検索システムであるMarkMatchを提案する。 孤立したマークペアのバイナリ分類を使用した以前のSOTAのBubbleSigとは異なり、MarkMatchは対照的な学習を用いて、データベース内のクエリマークとマークのスタイル的類似性をランク付けする。 本モデルは,重度バッチ類似度行列と二重損失目標を用いて訓練した。 各サンプルは、各バッチ内の多くの負と対比され、微妙な筆跡差を学習し、手書き変化や視覚ノイズ下での一般化を改善する一方、対角的な監督は真の一致に対する高い信頼を補強する。 このモデルはF1スコア0.943を達成し、BubbleSigの最高のパフォーマンスを上回った。 MarkMatchはまた、ボックスまたはポイントベースのプロンプトによるフレキシブルなマーク抽出のためにSegment Anything Modelを統合している。 このシステムは選挙監査官に、不審な投票を視覚的に非バイオメトリックで調査するための実用的なツールを提供する。

関連論文リスト

• Leveraging Annotator Disagreement for Text Classification [3.6625157427847963]
  テキスト分類では、データセットが複数のアノテータによってアノテートされた場合でも、モデルトレーニングに1つのマジョリティラベルのみを使用するのが一般的である。 本稿では,アノテータの不一致を利用してテキスト分類を行う3つの手法を提案する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:53Z)
• Pairwise Similarity Distribution Clustering for Noisy Label Learning [0.0]
  ノイズラベル学習は、ノイズラベルを持つ大量のサンプルを使用してディープニューラルネットワークをトレーニングすることを目的としている。 トレーニングサンプルを1つのクリーンなセットと別のノイズのあるセットに分割する,単純で効果的なサンプル選択アルゴリズムを提案する。 CIFAR-10、CIFAR-100、Clothing1Mといった様々なベンチマークデータセットの実験結果は、最先端の手法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2024-04-02T11:30:22Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images [76.47980643420375]
  本稿では,意味的対応の学習に固有のデータ・ハングリー・マターが存在するという仮説に基づく。 我々は,機械の監督を通じて,ペア化されたキーポイントを確実に強化する単純な機械注釈器を実証する。 我々のモデルは,SPair-71k,PF-PASCAL,PF-WILLOWといった意味対応学習ベンチマークの最先端モデルを上回る。
  論文  参考訳（メタデータ） (2023-11-30T13:22:15Z)
• An algorithm for forensic toolmark comparisons [1.7185924583421894]
  我々は、連続的に製造されたスロットド・ドライバーを用いて、様々な角度と方向から3Dツールマークのデータセットを生成する。 PAMクラスタリングにより、角度や方向ではなく、ツールによるクラスタリングがあることが分かる。 他のツールやファクタのデータ収集では、他のタイプのツールマークを比較するために使用することができる。
  論文  参考訳（メタデータ） (2023-11-19T17:21:41Z)
• JointMatch: A Unified Approach for Diverse and Collaborative Pseudo-Labeling to Semi-Supervised Text Classification [65.268245109828]
  半教師付きテキスト分類(SSTC)は、ラベルのないデータを活用する能力によって注目を集めている。 擬似ラベルに基づく既存のアプローチは、擬似ラベルバイアスと誤り蓄積の問題に悩まされる。 我々は、最近の半教師付き学習からアイデアを統一することでこれらの課題に対処する、SSTCの総合的なアプローチであるJointMatchを提案する。
  論文  参考訳（メタデータ） (2023-10-23T05:43:35Z)
• Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
  本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。 xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。 提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
  論文  参考訳（メタデータ） (2023-07-27T07:42:44Z)
• Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
  任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。 ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。 提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
  論文  参考訳（メタデータ） (2021-06-11T13:03:33Z)
• Consensus-Guided Correspondence Denoising [67.35345850146393]
  本稿では,地域間コンセンサス学習フレームワークと対応関係を異色化し,対応関係をロバストに識別する。 ローカル地域からグローバル地域への動的グラフから推定されるコンセンサススコアに基づいて,信頼度の高い候補を初期マッチングから蒸留する新しい「プルーニング」ブロックを導入した。 本手法は、堅牢なラインフィッティング、ワイドベースライン画像マッチング、画像ローカリゼーションベンチマークを顕著なマージンで上回る。
  論文  参考訳（メタデータ） (2021-01-03T09:10:00Z)

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。