論文の概要: Online Handwriting Trajectory Reconstruction from Kinematic Sensors using Temporal Convolutional Network

• arxiv url: http://arxiv.org/abs/2607.26733v1
• Date: Wed, 29 Jul 2026 10:23:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.625043
• Title: Online Handwriting Trajectory Reconstruction from Kinematic Sensors using Temporal Convolutional Network
• Title（参考訳）: 時間畳み込みネットワークを用いた運動センサのオンライン手書き軌道再構成
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.3424188506979147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Handwriting with digital pens is a common way to facilitate human-computer interaction through the use of Online Handwriting (OH) trajectory reconstruction. In this work, we focus on a digital pen equipped with sensors from which one wants to reconstruct the OH trajectory. Such a pen allows to write on any surface and to get the digital trace, which can help learning to write, by writing on paper, and can be useful for many other applications such as collaborative meetings, etc. In this paper, we introduce a novel processing pipeline that maps the sensor signals of the pen to the corresponding OH trajectory. Notably, in order to tackle the difference of sampling rates between the pen and the tablet (which provides ground truth information), our preprocessing pipeline relies on Dynamic Time Warping to align the signals. We introduce a dedicated neural network architecture, inspired by a Temporal Convolutional Network, to reconstruct the online trajectory from the pen sensor signals. Finally, we also present a new benchmark dataset on which our method is evaluated both qualitatively and quantitatively, showing a notable improvement over its most notable competitor.
• Abstract（参考訳）: デジタルペンによる手書きは、オンライン手書き(OH)軌道再構成を用いて人とコンピュータの相互作用を促進する一般的な方法である。 本研究では,OH軌道の再構成を目的としたセンサを備えたデジタルペンに着目した。 このようなペンはどんな表面でも書けるし、デジタルトレースも取得できるので、紙に書くことによって書くことを学ぶのに役立ち、コラボレーションミーティングなど、他の多くのアプリケーションにも役立ちます。 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。 特に、ペンとタブレットのサンプリングレートの違い(真理情報を提供する)に対処するために、私たちの前処理パイプラインは、信号を調整するのにDynamic Time Warpingに依存しています。 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。 最後に,本手法を定性的かつ定量的に評価するベンチマークデータセットを提案する。

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)
• Mixture-of-experts for handwriting trajectory reconstruction from IMU sensors [2.3759453477621864]
  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。
  論文  参考訳（メタデータ） (2026-07-29T09:53:26Z)
• 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)
• 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)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• LHNN: Lattice Hypergraph Neural Network for VLSI Congestion Prediction [70.31656245793302]
  格子ハイパーグラフ(格子ハイパーグラフ)は、回路のための新しいグラフ定式化である。 LHNNは、F1スコアのU-netやPix2Pixと比べて、35%以上の改善を常に達成している。
  論文  参考訳（メタデータ） (2022-03-24T03:31:18Z)
• 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)
• Neural-Pull: Learning Signed Distance Functions from Point Clouds by Learning to Pull Space onto Surfaces [68.12457459590921]
  3次元点雲から連続曲面を再構成することは、3次元幾何処理の基本的な操作である。 textitNeural-Pullは、シンプルで高品質なSDFを実現する新しいアプローチです。
  論文  参考訳（メタデータ） (2020-11-26T23:18:10Z)
• Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
  本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
  論文  参考訳（メタデータ） (2020-09-01T03:38:31Z)

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。