論文の概要: Domain adaptation for handwriting trajectory reconstruction from IMU sensors

• arxiv url: http://arxiv.org/abs/2607.26736v1
• Date: Wed, 29 Jul 2026 10:29:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.62651
• Title: Domain adaptation for handwriting trajectory reconstruction from IMU sensors
• Title（参考訳）: IMUセンサを用いた手書き軌道再構成のための領域適応
• Authors: Florent Imbert, Romain Tavenard, Yann Soullard, Eric Anquetil,
• Abstract要約: 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。
• 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: Digital pens are commonly used to write on digital devices, providing the handwriting trace and enhancing human-computer interation. This study focuses on a digital pen equipped with kinematic sensors, allowing users to write on any surface while simultaneously preserving a digital trajectory of handwriting. This technology holds significant potential as a valuable educational tool, particularly in classrooms where it can facilitate the process of learning to write. A major issue is based on the difference in captured signals between adults and children. For similar handwriting trace, we have large differences in sensor signals due to differences in speed and confidence in the handwriting gesture of children. To address this, we investigate a domain adaptation approach to build a unified intermediate feature representation aimed at facilitating the trajectory reconstruction. We demonstrate the interest of domain adaptation methods in leveraging existing knowledge for application in different contexts. Specifically, we compare our domain adaptation approach with two other methods: training the model from scratch and fine-tuning the model.
• Abstract（参考訳）: デジタルペンはデジタルデバイスに書き込むのによく使われ、手書きのトレースを提供し、人間とコンピュータの相互作用を強化する。 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。 この技術は貴重な教育ツールとして有意義な可能性を秘めている。 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。 そこで本研究では,軌道再構成を容易にすることを目的とした中間特徴表現を統合化するためのドメイン適応手法について検討する。 我々は、異なるコンテキストにおけるアプリケーションに既存の知識を活用する際に、ドメイン適応手法の関心を示す。 具体的には、ドメイン適応アプローチと、モデルをスクラッチからトレーニングし、モデルを微調整する2つの方法を比較します。

関連論文リスト

• 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)
• 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)
• 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)
• Representation Learning for Tablet and Paper Domain Adaptation in Favor of Online Handwriting Recognition [3.071136270246468]
  機械学習モデルのパフォーマンスは、当初トレーニングされたデータと似ているが異なるドメインのデータに適用された時に低下する。 本稿では,タブレットと紙データ間のオンライン手書き文字認識(OnHW)の学習を促進するために,教師付きドメイン適応(DA)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-16T07:48:37Z)
• 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)
• Handwriting Quality Analysis using Online-Offline Models [4.61479186986544]
  この研究は、先進的なデジタル教育ツールの開発を可能にする革新的なeラーニングプロジェクトの一部である。 間違いを自動的に検知し、子供たちの書き方に対するリアルタイムなフィードバックを与え、教師が子供の書き方を理解して評価するのを助ける。
  論文  参考訳（メタデータ） (2020-10-09T14:33:56Z)
• 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)
• Transferring Cross-domain Knowledge for Video Sign Language Recognition [103.9216648495958]
  単語レベルの手話認識(WSLR)は手話解釈の基本課題である。 ドメイン不変の視覚概念を学習し、サブタイトルのニュースサインの知識を伝達することでWSLRモデルを肥大化させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-03-08T03:05:21Z)

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。