論文の概要: Adversarial Attacks on Online Handwriting using Salience-based Temporal Editing

• arxiv url: http://arxiv.org/abs/2607.12500v1
• Date: Tue, 14 Jul 2026 08:32:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.086421
• Title: Adversarial Attacks on Online Handwriting using Salience-based Temporal Editing
• Title（参考訳）: サリエンスに基づく時間編集によるオンライン手書き文字の逆攻撃
• Abstract要約: 本稿では,サリエンス誘導時間編集に基づくオンライン手書き文字認識のための新しい逆攻撃フレームワークを提案する。 ホワイトボックスとワンショットブラックボックスの両方の攻撃条件下で、UnipenおよびCASIA-OLHWDBデータセットに対する提案手法の評価を行った。
• 参考スコア（独自算出の注目度）: 3.3645541387585642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning models for online handwriting recognition have been shown effective and are increasingly deployed in practical applications. However, their vulnerability to adversarial attacks is still a challenge. Existing adversarial methods are predominantly designed for image-based inputs and typically rely on additive spatial perturbations. When applied to online handwriting, which is inherently represented as a time series of pen trajectories, such perturbations often introduce high-frequency jitter and visibly unnatural stroke artifacts. In this work, we propose a novel adversarial attack framework for online handwriting recognition based on salience-guided temporal editing. Instead of adding noise, the proposed method generates adversarial examples by inserting and deleting points at time steps selected according to temporal salience, preserving the shape and smoothness of the original handwriting. Temporal salience is estimated using gradient-based activation mapping, which guides edits toward time steps that strongly support the original class prediction. We evaluate the proposed approach on the Unipen and CASIA-OLHWDB datasets under both white-box and one-shot black-box attack settings. Experimental results demonstrate that while conventional image-based attacks achieve strong white-box performance, they exhibit poor transferability across models. In contrast, the proposed temporal editing attack achieves stronger one-shot black-box transferability while preserving the visual structure of the handwriting. These results indicate that temporal editing is a relevant threat model for online handwriting recognition, particularly in one-shot black-box transfer settings.
• Abstract（参考訳）: オンライン手書き認識のためのディープラーニングモデルは、有効であることが示され、実用アプリケーションにますます導入されている。 しかし、敵の攻撃に対する脆弱性は依然として課題である。 既存の逆法は主に画像ベースの入力のために設計されており、通常、追加的な空間摂動に依存している。 本質的にペンの軌跡の時系列として表されるオンラインの筆跡に適用する場合、そのような摂動はしばしば高周波ジッタと視覚的に不自然なストロークアーティファクトをもたらす。 本研究では,サリエンス誘導時間編集に基づくオンライン手書き文字認識のための新しい逆攻撃フレームワークを提案する。 提案手法は,ノイズを付加する代わりに,時間的サリエンスに応じて選択された時間ステップの点を挿入・削除し,元の筆跡の形状と滑らかさを保存することで,逆例を生成する。 時間的サリエンスを勾配に基づくアクティベーションマッピングを用いて推定し、元のクラス予測を強く支持する時間ステップに向けて編集をガイドする。 ホワイトボックスとワンショットブラックボックスの両方の攻撃条件下で、UnipenおよびCASIA-OLHWDBデータセットに対する提案手法の評価を行った。 実験の結果,従来の画像ベース攻撃は強いホワイトボックス性能を達成できたが,モデル間での転送性は低かった。 対照的に、提案した時間的編集攻撃は、筆跡の視覚的構造を保ちながら、より強力なワンショットブラックボックス転送性を実現する。 これらの結果は、特にワンショットのブラックボックス転送設定において、時間的編集がオンライン手書き文字認識の脅威モデルであることを示している。

関連論文リスト

• Handwriting Trajectory Recovery via Autoregressive Ordered Stroke Instance Prediction [42.79660343248354]
  オフライン手書きは最後の空間インクパターンのみを保存し、ストローク順、書き込み方向、ペン先の動きなどの時間情報が失われる。 既存の学習ベースの手法は、手書きのストロークレベルの組織を明示的に活用することなく、文字の完全な軌跡を直接予測することが多い。 本稿では,まず順序付けられたストロークインスタンスを復元し,連続的なストローク内動きを再構成する2段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-02T07:57:28Z)
• Occlusion-Aware Physics-Semantic Keyframe Selection for Robust Video Editing [53.06890499054828]
  下流編集のための最適なアンカーフレームを自動的に識別するオクルージョン対応選択フレームワークを提案する。 我々のフレームワークは、手動のアノテーションを必要とせずに、正確かつ時間的に一貫した編集を可能にする。
  論文  参考訳（メタデータ） (2026-05-22T03:19:24Z)
• BlackCATT: Black-box Collusion Aware Traitor Tracing in Federated Learning [51.251962154210474]
  フェデレートラーニング: BlackCATT におけるブラックボックストレーサトレースのための一般的なコラシオン耐性埋め込み法を提案する。 実験により,異なるアーキテクチャやデータセットにまたがる提案手法の有効性が確認された。 メインタスクの更新不整合に苦しむモデルに対して,提案したBlackCATT+FRには機能正規化が組み込まれている。
  論文  参考訳（メタデータ） (2026-02-12T16:26:57Z)
• Layout Stroke Imitation: A Layout Guided Handwriting Stroke Generation for Style Imitation with Diffusion Model [8.457315999229907]
  本研究は,書体模倣のためのマルチスケールアテンション機能を提案する。 これらのマルチスケール機能埋め込みは、ローカルおよびグローバルスタイルの機能を強調している。 第2に,直接生成したスタイル画像と対照的に,ストロークの予測を行う条件拡散モデルを提案する。
  論文  参考訳（メタデータ） (2025-09-19T06:53:17Z)
• Dual Orthogonal Guidance for Robust Diffusion-based Handwritten Text Generation [55.35931633405974]
  拡散に基づく手書きテキスト生成(HTG)アプローチは、トレーニング時間と通常のスタイルで観察される単語内単語の頻度が高く、印象的な結果が得られる。 トレーニングサンプルを記憶する傾向があり、しばしばスタイルの多様性と生成の明確さに苦しむ。 そこで本研究では,元のプロンプトに対して負に摂動したプロンプトを利用する新しいサンプリング誘導戦略であるDual Orthogonal Guidance(DOG)を提案する。 最新技術であるDiffusionPenとOne-DMの実験結果から、DOGは、語彙外単語や難解な書き方であっても、内容の明快さと可変性を両立させることを示した。
  論文  参考訳（メタデータ） (2025-08-23T13:09:19Z)
• PromptFlare: Prompt-Generalized Defense via Cross-Attention Decoy in Diffusion-Based Inpainting [25.24109316946351]
  PromptFlareは,拡散型塗布モデルによる悪質な修正から画像を保護するために設計された,新たな敵対的保護手法である。 提案手法は, 急速埋め込みの固有特性を利用して, 対向ノイズを注入し, サンプリング過程を抑える。 EditBenchデータセットを用いた実験により,本手法が各種メトリクスの最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2025-08-22T08:42:46Z)
• Online Writer Retrieval with Chinese Handwritten Phrases: A Synergistic Temporal-Frequency Representation Learning Approach [53.189911918976655]
  DOLPHINは,相乗的時間周波数解析による手書き表現の向上を目的とした新しい検索モデルである。 OLIWER(OLIWER)は,1,731人から670,000以上の中国語の字句を含む大規模オンライン作家検索データセットである。 本研究は,手書き表現の質向上における点サンプリング周波数と圧力特性の重要性を強調した。
  論文  参考訳（メタデータ） (2024-12-16T11:19:22Z)
• A White-Box False Positive Adversarial Attack Method on Contrastive Loss Based Offline Handwritten Signature Verification Models [10.68561848929943]
  我々は, 対照的な損失に基づくオフライン手書き署名検証モデルに対する, 偽正逆攻撃の難しさに対処する。 そこで本研究では,この攻撃を,密接に関連するが異なる書体間のスタイル転送として扱う新たな攻撃手法を提案する。 提案手法は,白箱攻撃によるオフライン手書き署名検証モデルに対する最先端性能を示す。
  論文  参考訳（メタデータ） (2023-08-17T11:30:49Z)
• No Token Left Behind: Explainability-Aided Image Classification and Generation [79.4957965474334]
  ここでは、CLIPが入力のすべての関連する意味的部分に焦点を当てることを保証するために、損失項を追加する新しい説明可能性に基づくアプローチを提案する。 本手法は, 追加訓練や微調整を伴わずに, 認識率の向上を図っている。
  論文  参考訳（メタデータ） (2022-04-11T07:16:39Z)
• Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
  このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。 生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。 実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
  論文  参考訳（メタデータ） (2020-02-22T10:08:42Z)

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。