論文の概要: ICDAR 2026 Competition on Writer Identification and Pen Classification from Hand-Drawn Circles

• arxiv url: http://arxiv.org/abs/2605.07816v1
• Date: Fri, 08 May 2026 14:48:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.129391
• Title: ICDAR 2026 Competition on Writer Identification and Pen Classification from Hand-Drawn Circles
• Title（参考訳）: ICDAR 2026 ハンドドローサークルにおける文字識別とペン分類に関するコンペティション
• Authors: Thomas Gorges, Janne van der Loop, Lukas Hüttner, Linda-Sophie Schneider, Fei Wu, Mathias Seuret, Vincent Christlein,
• Abstract要約: CircleIDは、スキャンされた円の文字識別とペン分類に関する大規模なICDAR 2026コンペティションである。 主な目的は、バイオメトリックライターの特徴と物理的ペンが、最小限の静的トレースの中で自然に絡み合っているかを調べることである。 本稿では,データセットを詳述し,勝利の方法を評価し,アウト・オブ・ディストリビューション・ライターがモデル一般化と特徴のゆがみに与える影響を解析する。
• 参考スコア（独自算出の注目度）: 9.02887374607982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents CircleID, a large-scale ICDAR 2026 competition on writer identification and pen classification from scanned hand-drawn circles. The primary objective is to investigate how biometric writer characteristics and physical pen features naturally entangle within minimal, static traces. CircleID comprises two distinct tasks: (1) open-set writer identification, requiring models to recognize known writers while explicitly rejecting unknown ones, and (2) cross-writer pen classification, evaluated across both seen and unseen writers. Participants were provided with a new, controlled dataset of 46,155 tightly cropped circle images, digitized at 400 DPI and annotated for writer identity and pen type. The dataset comprises samples from 50 known and 16 unknown writers using eight different pens. Hosted on Kaggle as two separate tracks with public and private leaderboards, the competition provided participants with a ResNet baseline. In total, 389 teams (436 participants) made 3,185 submissions for the pen classification task, and 113 teams (141 participants) made 1,737 submissions for the writer identification track. The best-performing private leaderboard submissions achieved a Top-1 accuracy of 64.801% for writer identification and 92.726% for pen classification. This paper details the dataset, evaluates the winning methodologies, and analyzes the impact of out-of-distribution writers on model generalization and feature disentanglement. In this large-scale competition, CircleID establishes a new baseline for minimal-trace analysis.
• Abstract（参考訳）: 本稿では,スキャンした手書き円の文字識別とペン分類に関する大規模ICCAR 2026コンペティションであるCircleIDについて述べる。 主な目的は、バイオメトリックライターの特徴と物理的ペンが、最小限の静的トレースの中で自然に絡み合っているかを調べることである。 CircleID は,(1) 未知の文字を明示的に否定しながら,未知の文字を識別するモデルを必要とするオープン・セット・ライター識別と,(2) 未知の文字と未知の文字の両方で評価されるクロス・ライター・ペン分類の2つのタスクから構成される。 参加者は46,155個の厳密に収穫された円の画像を新たに管理し、400DPIでデジタル化し、ライターのアイデンティティとペンタイプに注釈を付けた。 データセットは、50人の既知の作家と16人の未知の作家のサンプルで構成され、8つの異なるペンを使用している。 このコンペティションは、パブリックとプライベートのリーダーボードを備えた2つの別々のトラックとしてKaggleで開催され、参加者にResNetベースラインを提供した。 合計389チーム(436人)がペン分類タスクに3,185人、113チーム(141人)がライター識別トラックに1,737人が応募した。 ベストパフォーマンスのプライベートリーダーボードは、作家の識別で64.801%、ペンの分類で92.726%の精度でトップ1の精度を達成した。 本稿では,データセットを詳述し,勝利の方法を評価し,アウト・オブ・ディストリビューション・ライターがモデル一般化と特徴のゆがみに与える影響を解析する。 この大規模な競争において、CircleIDは最小トレース分析のための新しいベースラインを確立する。

関連論文リスト

• Different Strokes for Different Folks: Writer Identification for Historical Arabic Manuscripts [0.5599792629509229]
  手書きのアラビア語写本はアラブ世界の知的・文化的遺産を保存している。 歴史的アラビア写本のムハラフデータセットを用いて,個々の線画像から著者の識別を評価する。 著者識別のための注意機構を備えた畳み込みニューラルネットワーク(CNN)モデルを提案する。
  論文  参考訳（メタデータ） (2026-04-24T12:55:16Z)
• Synthetic Reader Panels: Tournament-Based Ideation with LLM Personas for Autonomous Publishing [0.0]
  本稿では,人間のフォーカスグループを合成読解パネルに置き換える,自律的な書籍構想システムを提案する。 それぞれのペルソナは、人口統計学的属性(年齢、性別、収入、教育、読書レベル)、行動パターン(年ごとの書籍、ジャンルの好み、発見方法、価格の感度)、一貫性パラメータによって定義される。 書籍のコンセプトは単行本、複行本、ラウンドロビン、スイス・システム・トーナメントで競い合い、市場の魅力、独創性、実行可能性など重み付けされた基準から判断される。
  論文  参考訳（メタデータ） (2026-02-16T03:44:54Z)
• First Competition on Presentation Attack Detection on ID Card [9.872311870613748]
  バイオメトリックス国際会議(IJCB2024)におけるIDカードの提示検出(PAD-IDCard)に関するコンペティションを要約する。 この競技会には、学業と産業の両方から合計10の登録チームが集まった。 要約すると、「匿名」を選択したチームは74.80%の最高ランキングに達し、続いて77.65%の「IDVC」チームが続いた。
  論文  参考訳（メタデータ） (2024-08-31T07:24:19Z)
• PART: Pre-trained Authorship Representation Transformer [52.623051272843426]
  文書を書く著者は、自分のテキストに識別情報を印字する。 以前の作品では、手作りの機能や分類タスクを使って著者モデルを訓練していた。 セマンティクスの代わりにテキストの埋め込みを学習するために、対照的に訓練されたモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-30T11:08:39Z)
• Gender classification by means of online uppercase handwriting: A text-dependent allographic approach [0.0]
  本稿では,オンライン手書きによる性別分類方式を提案する。 文字のダイナミクスをキャプチャするデジタルタブレットで取得したサンプルを使用して、著者を男性または女性に分類する。
  論文  参考訳（メタデータ） (2022-03-18T10:37:19Z)
• Writer Recognition Using Off-line Handwritten Single Block Characters [59.17685450892182]
  我々は、生年月日DoBの6桁の個人番号を使用する。 本稿では,方向測定を行う手作り特徴に基づく認識手法と,ResNet50モデルによる深い特徴に基づく認識手法について検討する。 その結果,DoBでは手書き情報に同一性関連情報が6桁程度存在することがわかった。
  論文  参考訳（メタデータ） (2022-01-25T23:04:10Z)
• 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)
• Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
  本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。 入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
  論文  参考訳（メタデータ） (2021-09-12T19:33:34Z)
• ICDAR 2021 Competition on Components Segmentation Task of Document Photos [63.289361617237944]
  3つの課題タスクが提案され、提供されたデータセット上で異なるセグメンテーションの割り当てが実行される。 収集されたデータはブラジルのいくつかのID文書のもので、その個人情報は便利に交換された。 さまざまなディープラーニングモデルが、各タスクで最高の結果を得るために、さまざまな戦略を持つ参加者によって適用されました。
  論文  参考訳（メタデータ） (2021-06-16T00:49:58Z)

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。