論文の概要: Write on Paper and Get the Online Digital Trace: A New Era for Handwriting

• arxiv url: http://arxiv.org/abs/2609.12702v2
• Date: Fri, 18 Sep 2026 08:30:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.674384
• Title: Write on Paper and Get the Online Digital Trace: A New Era for Handwriting
• Title（参考訳）: 紙に書いてオンラインのデジタルトレースを得る: 手書きの新しい時代
• Abstract要約: 本稿では,デジタルペン,高度な人工知能アルゴリズム,適応型AI技術を組み合わせて,手書きのデジタルトレースを再構築する革新的なソリューションを提案する。 本研究は,手書き文字の自動復元における最先端の進歩を目標とし,紙上の従来の手書き文字間のシームレスな接続とトレースのデジタル化を実現する。
• 参考スコア（独自算出の注目度）: 0.04497001527881303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Capturing the digital trace of handwriting usually requires a specific stylus and a compatible substrate, be it a capacitive touchscreen, an ElectroMagnetic Resonance (EMR) tablet as used in Wacom systems or special paper. While writing on regular paper offers rich haptics, no latency and is well known for improving information retention, no low-cost and widely accepted, effective solution exists to digitize such a pen trace. The challenge is to accurately track the pen's trajectory without an external reference system while allowing unrestricted freedom of pen movement across a surface. We propose an innovative solution that combines a digital pen, advanced artificial intelligence algorithms, and adaptive AI techniques to reconstruct the digital trace of handwriting. Our approach integrates hardware development, focusing on a sensor-equipped pen, with software innovations to optimize trajectory reconstruction and processing in real time using an embedded AI. This work aims to advance the state-of-the-art in automated trace reconstruction of handwriting, enabling a seamless connection between traditional handwriting on paper and capturing the trace digitally.
• Abstract（参考訳）: 通常、手書き文字のデジタルトレースをキャプチャするには、特定のスタイラスと互換性のある基板が必要であり、ワコムシステムや特殊な紙で使用される静電磁気共鳴(EMR)タブレットである。 通常の論文では、リッチな触覚を提供し、遅延がなく、情報保持を改善することでも知られているが、低コストで広く受け入れられる効果的なソリューションは存在しない。 課題は、ペンの軌跡を外部の基準システムなしで正確に追跡することであり、また、ペンの動きの制限のない自由を表面上で許容することである。 本稿では,デジタルペン,高度な人工知能アルゴリズム,適応型AI技術を組み合わせて,手書きのデジタルトレースを再構築する革新的なソリューションを提案する。 弊社のアプローチは、センサー付きペンに焦点をあてたハードウェア開発と、軌道再構築と処理をAIでリアルタイムで最適化するソフトウェアイノベーションを統合している。 本研究は,手書き文字の自動復元における最先端の進歩を目標とし,紙上の従来の手書き文字間のシームレスな接続とトレースのデジタル化を実現する。

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)
• 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)
• Calligrapher: Freestyle Text Image Customization [72.71919410487881]
  Calligrapherは、高度なテキストのカスタマイズと芸術的なタイポグラフィを統合する、新しい拡散ベースのフレームワークである。 高品質で視覚的に一貫したタイポグラフィーを自動化することで、Calligrapherは従来のモデルを上回っている。
  論文  参考訳（メタデータ） (2025-06-30T17:59:06Z)
• Privacy-Preserving Biometric Verification with Handwritten Random Digit String [49.77172854374479]
  手書き認証は、何十年もの間、安定したアイデンティティ認証方法として存在してきた。 しかし、この技術は、署名などの手書きバイオメトリックスに個人情報が組み込まれているため、潜在的なプライバシー侵害のリスクがある。 プライバシ保護による手書き文字の検証にRandom Digit String (RDS) を用いることを提案する。
  論文  参考訳（メタデータ） (2025-03-17T03:47:25Z)
• 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)
• 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。