論文の概要: Signature Forgery Detection: Improving Cross-Dataset Generalization

• arxiv url: http://arxiv.org/abs/2510.17724v1
• Date: Mon, 20 Oct 2025 16:42:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.532055
• Title: Signature Forgery Detection: Improving Cross-Dataset Generalization
• Title（参考訳）: Signature Forgery Detection: クロスデータセットの一般化の改善
• Authors: Matheus Ramos Parracho,
• Abstract要約: 署名検証は、銀行、アイデンティティ認証、法的文書に使用される重要な生体認証技術である。 オフラインシグネチャ検証のほとんどのアプローチは、データセットをまたいだ一般化に苦慮している。 本研究では,シグネチャフォージェリ検出のための特徴学習戦略について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated signature verification is a critical biometric technique used in banking, identity authentication, and legal documentation. Despite the notable progress achieved by deep learning methods, most approaches in offline signature verification still struggle to generalize across datasets, as variations in handwriting styles and acquisition protocols often degrade performance. This study investigates feature learning strategies for signature forgery detection, focusing on improving cross-dataset generalization -- that is, model robustness when trained on one dataset and tested on another. Using three public benchmarks -- CEDAR, ICDAR, and GPDS Synthetic -- two experimental pipelines were developed: one based on raw signature images and another employing a preprocessing method referred to as shell preprocessing. Several behavioral patterns were identified and analyzed; however, no definitive superiority between the two approaches was established. The results show that the raw-image model achieved higher performance across benchmarks, while the shell-based model demonstrated promising potential for future refinement toward robust, cross-domain signature verification.
• Abstract（参考訳）: 自動署名検証は、銀行、ID認証、法的文書に使用される重要な生体認証技術である。 ディープラーニング手法による顕著な進歩にもかかわらず、オフラインシグネチャ検証のアプローチの多くは、手書きスタイルや取得プロトコルのバリエーションがパフォーマンスを劣化させるため、データセット全体の一般化に苦慮している。 本研究では,シグネチャフォージェリ検出のための特徴学習戦略について検討し,一方のデータセットでトレーニングし,他方のデータセットでテストした際のモデル堅牢性に着目した。CEDAR, ICDAR, GPDS Syntheticの3つの公開ベンチマークを用いて,生のシグネチャイメージに基づくパイプラインと,他方はシェルプリプロセッシングと呼ばれるプリプロセッシング手法を用いた2つの実験パイプラインを開発した。 行動パターンの同定と解析を行ったが, 両者の間に有意な優位性は認められなかった。 その結果, 原像モデルはベンチマーク全体にわたって高い性能を達成し, シェルベースモデルは将来, 堅牢でクロスドメインなシグネチャ検証に期待できる可能性を示した。

関連論文リスト

• Proto-Former: Unified Facial Landmark Detection by Prototype Transformer [77.47431726595111]
  Proto-Formerは、統一的で適応的でエンドツーエンドの顔ランドマーク検出フレームワークである。 統一されたアーキテクチャ内で、複数のデータセットをまたいだ共同トレーニングを可能にする。 Proto-Formerは、既存の最先端手法よりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-17T06:00:25Z)
• On the Robustness of Human-Object Interaction Detection against Distribution Shift [27.40641711088878]
  近年,Human-Object Interaction (HOI) 検出が大幅に進歩している。 既存の作業は、必然的な分布シフトを伴う現実的なシナリオとはかけ離れた、理想的なイメージと自然な分布を持つ標準設定に重点を置いている。 本研究では,様々な分布シフト下でのHOI検出モデルのロバスト性をベンチマークし,解析し,向上させることにより,この問題を考察する。
  論文  参考訳（メタデータ） (2025-06-22T13:01:34Z)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
  フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。 公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。 我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
  論文  参考訳（メタデータ） (2024-02-03T03:13:50Z)
• Towards Faithful Explanations for Text Classification with Robustness Improvement and Explanation Guided Training [30.626080706755822]
  特徴属性法は、重要な入力トークンをモデル予測の説明として強調する。 近年の研究では、これらの手法による説明は、忠実で堅牢であるという課題に直面している。 本稿では,テキスト分類のためのロバスト性向上と説明指導による,より忠実な説明(REGEX)への指導手法を提案する。
  論文  参考訳（メタデータ） (2023-12-29T13:07:07Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Generalizable Method for Face Anti-Spoofing with Semi-Supervised Learning [0.0]
  顔の偽造防止は生体認証システムにおける高いセキュリティ要件のために多くの注目を集めている。 フェースバイオメトリックを商用ハードウェアに持ち込むことは、フェイクログインセッションを検出するための信頼性の高い方法の開発に大きく依存するようになった。 現在のCNNベースの手法は、トレーニング対象のドメインでよく機能するが、以前は見つからなかったデータセットでは一般化が不十分であることが多い。
  論文  参考訳（メタデータ） (2022-06-13T22:44:14Z)
• Revealing Reliable Signatures by Learning Top-Rank Pairs [15.582774097442721]
  署名検証は重要なドキュメント分析タスクである。 著者に依存しないオフライン署名検証タスクに対して,トップランクペア(top-rank pairs)を学習するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-17T08:20:19Z)
• Document Ranking with a Pretrained Sequence-to-Sequence Model [56.44269917346376]
  関連ラベルを「ターゲット語」として生成するためにシーケンス・ツー・シーケンス・モデルをどのように訓練するかを示す。 提案手法は,データポーラ方式におけるエンコーダのみのモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-03-14T22:29:50Z)

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。