論文の概要: Rethinking Handwritten Character Recognition

• arxiv url: http://arxiv.org/abs/2609.10572v1
• Date: Wed, 02 Sep 2026 16:19:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.068626
• Title: Rethinking Handwritten Character Recognition
• Title（参考訳）: 手書き文字認識の再考
• Abstract要約: GraphemeNetは2つのバイナリxで管理される統一されたマルチスクリプトアーキテクチャである。 スクリプト固有の非対称な畳み込みは、各段階における重み付け残差としてストローク足場を注入する。 ストローク・トポロジー・モジュール(STM)は、ゲート融合を伴うグローバル平均プールとクロススケールアテンションの間で選択される。 $O(n)$ルーティングを持つ線形カプセルルーティング(LCR)は、普遍的に共有される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Non-Latin handwritten character recognition (HCR) remains understudied. Dominant methods consider it as generic image classification, which uses model scale to implicitly learn stroke structure. Structural-prior efficiency---the principle that explicitly encoding script-geometric regularities as architectural inductive biases can be both more accurate and require fewer parameters. We introduce GraphemeNet, a unified multi-script architecture, governed by two orthogonal binary axes. Axis 1 operationalises stroke-level geometric regularity via Persistent Scaffold Injection (PSI): a script-specific asymmetric convolution injects a stroke scaffold as a weighted residual at every encoder stage, continuously anchoring learned features to script geometry---distinct from skip connections, auxiliary losses, or attention reweighting. Axis 2 selects between global average pooling with gated fusion and cross-scale attention with a Stroke Topology Module (STM), depending on whether glyph discrimination requires spatial relational reasoning. A Linear Capsule Routing (LCR) with $O(n)$ routing is shared universally. On fourteen benchmarks across eight writing systems, the architecture generalises with only scaffold and decoder topology varying per script, consistently challenging, outperforming published baselines, and establishing structural-prior efficiency as a broadly applicable principle for multi-script HCR.
• Abstract（参考訳）: 非ラテン語手書き文字認識(HCR)はまだ検討されている。 支配的手法は、モデルスケールを用いてストローク構造を暗黙的に学習する一般的な画像分類であると考えている。 構造的優先効率---スクリプト幾何学的規則性をアーキテクチャ的帰納バイアスとして明示的に符号化する原則は、より正確であり、パラメータが少なくなる。 2つの直交二進軸が支配する統一マルチスクリプトアーキテクチャであるGraphemeNetを導入する。 Axis 1 は Persistent Scaffold Injection (PSI: Persistent Scaffold Injection) を介してストロークレベルの幾何正則性を演算する: スクリプト固有の非対称な畳み込みは、エンコーダの各段階でストロークの足場を重み付け残差として注入する。 軸2は、接頭辞融合によるグローバル平均プールとストロークトポロジモジュール(STM)によるクロススケールアテンションを、グリフ識別が空間的関係推論を必要とするかどうかに応じて選択する。 $O(n)$ルーティングを持つ線形カプセルルーティング(LCR)は、普遍的に共有される。 8つのシステムにまたがる14のベンチマークにおいて、アーキテクチャはスクリプトごとに異なる足場とデコーダのトポロジのみを一般化し、一貫して挑戦し、公開ベースラインを上回り、マルチスクリプトHCRの広く適用可能な原則として構造優先効率を確立する。

関連論文リスト

• Weave of Formal Thought [51.56484100374058]
  WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。 本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。 Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
  論文  参考訳（メタデータ） (2026-06-24T15:58:11Z)
• HGNet: Scalable Foundation Model for Automated Knowledge Graph Generation from Scientific Literature [6.001574550157585]
  本稿では,スケーラブルでゼロショットの科学知識グラフ構築のための2段階フレームワークを提案する。 階層的関係抽出のためのベンチマークSPHEREをリリースする。 ゼロショット設定では、NERが10.76%、REが26.2%に達する。
  論文  参考訳（メタデータ） (2026-03-24T12:35:10Z)
• Entropy-Aware Structural Alignment for Zero-Shot Handwritten Chinese Character Recognition [7.632962062462334]
  ゼロショット手書き漢字認識は、急進的な意味合成を活用することで、目に見えない文字を認識することを目的としている。 本稿では,情報理論モデリングにより視覚と意味のギャップを埋めるエントロピー対応構造アライメントネットワークを提案する。 ICDAR 2013データセットで55.04%の精度を達成し,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-02-03T16:08:40Z)
• HAAF: Hierarchical Adaptation and Alignment of Foundation Models for Few-Shot Pathology Anomaly Detection [10.649984141835189]
  階層型適応アライメントフレームワーク(HAAF)を提案する。 中心となるのは、シーケンシャルなキャリブレーション順序を強制するクロスレベルスケールアライメント機構である。 デュアルブランチ推論戦略は、セマンティックスコアと幾何学的プロトタイプを統合して、数ショット設定での安定性を確保する。
  論文  参考訳（メタデータ） (2026-01-24T10:31:21Z)
• Robust Scene Coordinate Regression via Geometrically-Consistent Global Descriptors [52.57327385675752]
  幾何学的構造と視覚的類似性の両方に整合したグローバルな記述子を学習するアグリゲータモジュールを提案する。 これにより、信頼できないオーバーラップスコアによる誤関連が修正される。 挑戦的なベンチマークの実験では、大規模環境ではかなりのローカライゼーションが得られた。
  論文  参考訳（メタデータ） (2025-12-19T04:24:03Z)
• Heterogeneous LLM Methods for Ontology Learning (Few-Shot Prompting, Ensemble Typing, and Attention-Based Taxonomies) [46.54026795022501]
  LLMs4OL 2025チャレンジのタスクA,B,Cに対処する包括的システムを提案する。 提案手法は、検索強化プロンプト、ゼロショット分類、アテンションに基づくグラフモデリングを組み合わせたものである。 これらのモジュラーでタスク固有のソリューションによって、公式のリーダーボードで上位の成果を得られるようになりました。
  論文  参考訳（メタデータ） (2025-08-26T20:50:16Z)
• SeqPE: Transformer with Sequential Position Encoding [76.22159277300891]
  SeqPEは、各$n$次元位置指数をシンボルシーケンスとして表現し、軽量なシーケンシャル位置エンコーダを用いて埋め込みを学習する。 言語モデリング、長文質問応答、および2次元画像分類による実験により、SeqPEはパープレキシティ、正確なマッチング(EM)、精度の強いベースラインを超えるだけでなく、手作業によるアーキテクチャ再設計を必要とせず、多次元入力へのシームレスな一般化を可能にする。
  論文  参考訳（メタデータ） (2025-06-16T09:16:40Z)
• Functional Matching of Logic Subgraphs: Beyond Structural Isomorphism [13.064477057274226]
  サブグラフマッチングは多くの電子設計自動化(EDA)アプリケーションの基礎となっている。 本稿では,ある論理関数がより大きな回路内に暗黙的に存在するかどうかを識別する新しい手法である関数部分グラフマッチングの概念を導入する。
  論文  参考訳（メタデータ） (2025-05-28T05:31:49Z)
• PosFormer: Recognizing Complex Handwritten Mathematical Expression with Position Forest Transformer [51.260384040953326]
  手書き数学的表現認識(HMER)は、人間と機械の相互作用シナリオに広く応用されている。 本稿では,HMERのための位置フォレスト変換器(PosFormer)を提案する。 PosFormerは、最先端のメソッドである2.03%/1.22%/2、1.83%、および4.62%を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-07-10T15:42:58Z)
• Signed Diverse Multiplex Networks: Clustering and Inference [4.070200285321219]
  本稿では,エッジを肯定的あるいは否定的に得るSGRDPG(Signed Generalized Random Dot Product Graph)モデルを提案する。 設定は多重バージョンに拡張され、すべてのレイヤが同じノードのコレクションを持ち、SGRDPGに従う。 本稿では,新しい手法を用いることで,階層の強い一貫したクラスタリングと高精度な部分空間推定を実現する。
  論文  参考訳（メタデータ） (2024-02-14T19:37:30Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。