論文の概要: Detecting Pen-In-Air States from Video: A Proof-of-Concept Toward Complementary Handwriting Analysis
- arxiv url: http://arxiv.org/abs/2606.02342v1
- Date: Mon, 01 Jun 2026 14:50:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:32.299157
- Title: Detecting Pen-In-Air States from Video: A Proof-of-Concept Toward Complementary Handwriting Analysis
- Title（参考訳）: 映像からペン・イン・エア状態を検出する:補完的手書き解析に向けた概念実証
- Authors: Lauren Sismeiro, Remy Plastre, Binbin Xu, Frederic Puyjarinet, Gerard Dray,
- Abstract要約: テーブルベースセンシングはペンアップ動作の解析を筆記面上の短い近接範囲に制限する。
YOLOをベースとした検出器と動画像の特徴抽出と機械学習の分類を併用したハイブリッドパイプラインを提案する。
結果は、デジタル化タブレットの低コストで非侵襲的な補完として、ビデオベースのPen-Up検出の実現性をサポートし、将来の大規模研究の基盤を提供する。
- 参考スコア（独自算出の注目度）: 1.8744230606349503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic aspects of handwriting are critical for assessing developmental disorders such as dysgraphia and are typically captured using digitizing tablets. However, tablet-based sensing restricts analysis of Pen-Up behavior to a short proximity range above the writing surface, potentially missing high-lift in-air movements. As a proof of concept, we investigate whether top-view video can provide a complementary source of information for inferring pen-contact states without relying on tablet proximity sensing. We propose an interpretable hybrid pipeline combining pen-tip tracking using a YOLO-based detector with kinematic feature extraction and machine learning classification. A pilot dataset of diverse handwriting videos was manually annotated at the frame level and evaluation used a Leave-One-Video-Out (LOVO) protocol. The method achieved reliable event-level detection of Pen-Up segments, with an F_2 score up to 0.805, consistent with the emphasis on recall in a screening-oriented setting. These results support the feasibility of video-based Pen-Up detection as a low-cost and non-intrusive complement to digitizing tablets, and provide a foundation for future large-scale studies.
- Abstract（参考訳）: 筆跡の動的側面は、ディジグラフィーのような発達障害を評価するために重要であり、通常、デジタル化タブレットを用いてキャプチャされる。
しかしタブレットを用いたセンシングはペンアップ動作の解析を筆記面上の短い近距離範囲に制限し、高揚力の空気中の動きを欠く可能性がある。
概念実証として,タブレットの近接センシングに頼らずにペン接触状態の推測を行う上で,トップビュー映像が相補的な情報源となるかどうかを検討する。
YOLOをベースとした検出器と動特性抽出と機械学習の分類を組み合わせた,ペンチップトラッキングを組み合わせた解釈可能なハイブリッドパイプラインを提案する。
様々な手書きビデオのパイロットデータセットをフレームレベルで手動でアノテートし、Leave-One-Video-Out (LOVO)プロトコルを用いて評価を行った。
この手法は、Pen-Upセグメントの信頼性の高いイベントレベル検出を実現し、F_2スコアは0.805まで上昇し、スクリーニング指向の設定におけるリコールの強調と一致した。
これらの結果は、デジタル化タブレットに対する低コストで非侵襲的な補完として、ビデオベースのPen-Up検出の実現性をサポートし、将来の大規模研究の基盤を提供する。
関連論文リスト
- CAPE: A CLIP-Aware Pointing Ensemble of Complementary Heatmap Cues for Embodied Reference Understanding [56.30142869506262]
身体的参照理解(Embodied Reference Understanding)は、シーンの人物が指し示すジェスチャーと言語の両方を通して参照しているオブジェクトを予測する。
本稿では,2重モデルフレームワークを提案し,一方のモデルが頭指先方向から学習し,他方のモデルが手指先方向から学習する。
我々は、ベンチマークYouRefItデータセットの広範な実験と分析を通じてアプローチを検証し、0.25IoU閾値で約4mAPの改善を実現した。
論文 参考訳（メタデータ） (2025-07-29T15:00:21Z) - Finger in Camera Speaks Everything: Unconstrained Air-Writing for Real-World [45.972735599458446]
AWCV-100K-UCAS2024における画期的な漢字ビデオデータセット(AWCV-100K-UCAS2024)について述べる。
このデータセットは、一般的にアクセス可能なRGBカメラを使用して、さまざまな実世界のシナリオで手書きの軌跡をキャプチャする。
ビデオベース文字認識器VCRecについても紹介する。
論文 参考訳（メタデータ） (2024-12-27T09:04:04Z) - Dynamically enhanced static handwriting representation for Parkinson's disease detection [8.26914435242875]
パーキンソン病(PD)の評価の文脈において、手書き文字は特別な役割を果たす。
本稿では,手書き文字の「動的に強化された」静的画像の識別能力について検討する。
論文 参考訳（メタデータ） (2024-05-22T08:28:42Z) - Open-Vocabulary Point-Cloud Object Detection without 3D Annotation [62.18197846270103]
オープン語彙の3Dポイントクラウド検出の目的は、任意のテキスト記述に基づいて新しいオブジェクトを識別することである。
様々な物体を局所化するための一般的な表現を学習できる点クラウド検出器を開発した。
また,画像,点雲,テキストのモダリティを結合する,非偏差三重項クロスモーダルコントラスト学習を提案する。
論文 参考訳（メタデータ） (2023-04-03T08:22:02Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - Automated dysgraphia detection by deep learning with SensoGrip [0.0]
画像診断の早期発見は、標的とした介入の早期開始を可能にする。
本研究は,SEMSスコア(0と12)をディープラーニングで予測し,手書き能力の微粒化について検討した。
提案手法は,手動による特徴抽出と選択を代えて,99%以上の精度とルート平均平方誤差を1より低くする。
論文 参考訳（メタデータ） (2022-10-14T09:21:27Z) - Pixel-level Correspondence for Self-Supervised Learning from Video [56.24439897867531]
ピクセルレベルの対応 (PiCo) はビデオから高密度なコントラスト学習を行う方法である。
標準的なベンチマークでPiCoを検証し、複数の高密度予測タスクで自己教師付きベースラインを上回ります。
論文 参考訳（メタデータ） (2022-07-08T12:50:13Z) - Digitizing Handwriting with a Sensor Pen: A Writer-Independent
Recognizer [0.2580765958706854]
本稿では,センサ付ペンを用いて,平紙に書かれた文字を認識できる文字非依存システムを提案する。
ペンは、ユーザーが印加した線形加速度、角速度、磁場、力を提供し、通常の紙に書きながらセンサーのアナログ信号を時間データに変換するディジタイザとして機能する。
本稿では,文字分類のための畳み込みニューラルネットワークモデルの結果を述べるとともに,本手法が実用的であり,文字に依存しない文字認識において有望な結果が得られることを示す。
論文 参考訳（メタデータ） (2021-07-08T09:25:59Z) - Towards an IMU-based Pen Online Handwriting Recognizer [2.6707647984082357]
慣性測定単位(IMU)に基づく音声認識のためのオンライン手書き認識システムを提案する。
これは、加速度、角速度、およびBluetooth経由で流れる磁力を提供するセンサー付きペンによって得られる。
本モデルは畳み込み型LSTMネットワークと双方向型LSTMネットワークを組み合わせることで,コネクショナリストの時間的分類損失をトレーニングする。
論文 参考訳（メタデータ） (2021-05-26T09:47:19Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z)
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。