論文の概要: Mixture-of-experts for handwriting trajectory reconstruction from IMU sensors

• arxiv url: http://arxiv.org/abs/2607.26708v1
• Date: Wed, 29 Jul 2026 09:53:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.617052
• Title: Mixture-of-experts for handwriting trajectory reconstruction from IMU sensors
• Title（参考訳）: IMUセンサによる手書き軌跡再構築のための実験結果の混合化
• Abstract要約: 我々は,オンライン筆跡の再構築を目的としたセンサを備えたデジタルペンに焦点を当てた。 このペンは、任意の表面に書き込むことができ、手書きのデジタルトレースを保存することができる。
• 参考スコア（独自算出の注目度）: 2.3759453477621864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of digital pens for online handwriting trajectory reconstruction is a prevalent method for human-computer interaction. In this study, we focus on a digital pen equipped with sensors where we aim at reconstructing the online handwriting trajectory. This pen enables writing on any surface and preserving the digital trace of handwriting. This type of pen could be used as an aid to learning to write in classroom. In this paper, we propose a new approach learning to finely reconstruct the touching trajectories while precisely analyzing the hovering part in order to position the next touching trace correctly. This relies on a Mixture-Of-Experts (MOE) approach. The first expert is dedicated for the pencil touch, and is named touching expert model. The second one is dedicated for the hovering pen trajectory, and is named hovering expert model. We improve on the learning of each of these experts based on additional context or specific examples. In addition we introduce a novel public benchmark dataset, to enable future research and comparisons in the field of handwriting reconstruction. The results demonstrates a significant enhancement compared to its primary competitors.
• Abstract（参考訳）: オンライン手書き文字の軌道再構成におけるデジタルペンの使用は、人間とコンピュータの相互作用の一般的な方法である。 本研究では,オンライン筆跡の再構築を目的としたセンサを備えたデジタルペンに着目した。 このペンは、任意の表面に書き込むことができ、手書きのデジタルトレースを保存することができる。 この種のペンは教室で書くことを学ぶのに使える。 本稿では,次の接触軌跡を正確に位置決めするために,ホバリング部を正確に解析し,触覚軌跡を微細に再構築する新たなアプローチを提案する。 これはMixture-Of-Experts (MOE)アプローチに依存している。 最初のエキスパートは鉛筆のタッチに特化しており、タッチの専門家モデルと名付けられています。 2つ目はホバリングペンの軌跡に特化しており、ホバリングエキスパートモデルと呼ばれている。 追加のコンテキストや具体例に基づいて、これらの専門家の学習を改善する。 さらに,手書き文字復元の分野での今後の研究と比較を可能にするために,新しい公開ベンチマークデータセットを導入する。 その結果、主要な競合相手に比べて大幅に向上した。

関連論文リスト

• Domain adaptation for handwriting trajectory reconstruction from IMU sensors [2.3759453477621864]
  本研究は,手書きのデジタル軌跡を同時に保存しながら,任意の面に書き込むことのできるキネマティックセンサーを備えたデジタルペンに焦点を当てた。 大きな問題は、大人と子供の捕獲信号の違いに基づいている。 同様の手書き跡は, 子供の手書き動作における速度と自信の相違により, センサ信号に大きな違いがある。
  論文  参考訳（メタデータ） (2026-07-29T10:29:08Z)
• Online Handwriting Trajectory Reconstruction from Kinematic Sensors using Temporal Convolutional Network [3.3424188506979147]
  オンライン手書きの軌跡を再構築したいと願うセンサを備えたデジタルペンに焦点をあてる。 本稿では,ペンのセンサ信号を対応するOH軌道にマッピングする新しい処理パイプラインを提案する。 我々は、ペンセンサ信号からオンライン軌道を再構築するために、テンポラル畳み込みネットワークにインスパイアされた専用ニューラルネットワークアーキテクチャを導入する。
  論文  参考訳（メタデータ） (2026-07-29T10:23:18Z)
• Detecting Pen-In-Air States from Video: A Proof-of-Concept Toward Complementary Handwriting Analysis [1.8744230606349503]
  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。
  論文  参考訳（メタデータ） (2026-06-01T14:50:27Z)
• 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)
• Lessons from Learning to Spin "Pens" [51.9182692233916]
  本研究では,ペンのような物体を回転させる能力を示すことによって,学習に基づく手動操作システムの境界を推し進める。 まず、強化学習を用いて、特権情報でオラクルポリシーを訓練し、シミュレーションにおいて高忠実度軌道データセットを生成する。 次に、これらの実世界の軌道を用いて感覚運動のポリシーを微調整し、実世界の力学に適応させる。
  論文  参考訳（メタデータ） (2024-07-26T17:56:01Z)
• InkSight: Offline-to-Online Handwriting Conversion by Teaching Vision-Language Models to Read and Write [7.4539464693425925]
  InkSightは、物理的なメモ取り者が自分の仕事(オフラインの筆跡)をデジタルのインク(オンラインの筆跡)に変換するのを助ける 当社のアプローチでは、事前の読み書きと組み合わせて、大量のペアのサンプルがない場合にモデルをトレーニングすることが可能です。 人間の評価では,HierTextデータセット上で得られたサンプルの87%が,入力画像の有効なトレースとして検討されている。
  論文  参考訳（メタデータ） (2024-02-08T16:41:41Z)
• Sampling and Ranking for Digital Ink Generation on a tight computational budget [69.15275423815461]
  トレーニングされたデジタルインク生成モデルの出力品質を最大化する方法について検討する。 我々は、デジタルインク領域におけるその種類に関する最初のアブレーション研究において、複数のサンプリングとランキング手法の効果を使用、比較する。
  論文  参考訳（メタデータ） (2023-06-02T09:55:15Z)
• 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)
• 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)
• SmartPatch: Improving Handwritten Word Imitation with Patch Discriminators [67.54204685189255]
  本稿では,現在の最先端手法の性能を向上させる新手法であるSmartPatchを提案する。 我々は、よく知られたパッチ損失と、平行訓練された手書きテキスト認識システムから収集された情報を組み合わせる。 これにより、より強化された局所識別器が実現し、より現実的で高品質な手書き文字が生成される。
  論文  参考訳（メタデータ） (2021-05-21T18:34:21Z)

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。