論文の概要: A Heisenberg Lift Descriptor for Order Sensitive Online Handwriting Recognition

• arxiv url: http://arxiv.org/abs/2609.17565v1
• Date: Sat, 25 Jul 2026 19:29:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.568996
• Title: A Heisenberg Lift Descriptor for Order Sensitive Online Handwriting Recognition
• Title（参考訳）: Heisenberg Lift Descriptor for Order Sensitive Online Handwriting Recognition
• Abstract要約: オンライン手書き認識システムは、通常、固定長ユークリッド形状記述子によるペンの軌跡を表す。 本稿では,このギャップをコンパクトで解釈可能で,秩序に敏感な拡張を通じて解決するハイゼンベルクリフトフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.8694591156258423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online handwriting recognition systems typically represent pen trajectories through fixed-length Euclidean shape descriptors that capture the spatial outline of each stroke, but are insensitive to the order in which that outline is produced. Two strokes that trace the same region of the plane in opposite directions are indistinguishable to any such order-blind representation, yet their traversal directions may carry decisive class information in characters where loop orientation and stroke sequencing matter. This paper introduces a Heisenberg-lift framework that addresses this gap through a compact, interpretable, order-sensitive augmentation for online pen-trajectory features. The simplest instance is the terminal signed area, a single parameter-free scalar appended to an existing Euclidean descriptor at negligible computational cost. Evaluated on two standard online handwriting benchmarks, this one-scalar addition, consistently raises classifier accuracy over the Euclidean baseline. On the hardest character pair in our study, the letters o and y, the signed area alone achieves perfect separation while the Euclidean baseline falls short. The advantage grows further under additive coordinate noise, a practically relevant degradation in pen-trajectory data. A richer fifteen-dimensional extension, derived from a noncommutative Heisenberg-group subdivision scheme, provides additional gains in noisy and loop-structured conditions. Dimension-matched statistical controls confirm that all improvements reflect geometric information rather than feature-count inflation. The resulting descriptor is lightweight, closed-form, and directly interpretable, making it a practical augmentation for online handwriting and related document-trajectory classification pipelines in which the direction of stroke execution carries discriminative information.
• Abstract（参考訳）: オンライン手書き認識システムは典型的には、各ストロークの空間的アウトラインをキャプチャする固定長ユークリッド形状記述子を通してペンの軌跡を表すが、そのアウトラインが生成される順序には敏感である。 平面の同じ領域を反対方向に辿る2つのストロークは、そのような順序-盲点表現とは区別できないが、それらのトラバース方向は、ループ方向とストロークシーケンシングが問題となる文字で決定的なクラス情報を運ぶことができる。 本稿では,このギャップに対処するHeisenberg-liftフレームワークを提案する。 最も単純な例は終端符号付き領域であり、既存のユークリッド記述子に1つのパラメータフリースカラーを無視可能な計算コストで付加する。 2つの標準的なオンライン手書きベンチマークで評価されたこの1スカラーの追加は、ユークリッドベースラインに対する分類精度を一貫して向上させる。 我々の研究で最も難しい文字対である o と y では、符号付き領域だけが完全な分離を達成し、ユークリッド基底線は短くなる。 この利点は、ペン軌道データの事実上の劣化である加算座標ノイズの下でさらに増大する。 非可換ハイゼンベルク群分割スキームから導かれるよりリッチな15次元拡張は、雑音およびループ構造条件において追加の利得を与える。 次元整合統計制御は、全ての改善が特徴数インフレーションよりも幾何情報を反映していることを確認した。 結果として得られる記述子は軽量でクローズドな形式であり、直接解釈可能であるため、オンライン手書きや関連する文書・軌跡分類パイプラインにおいて、ストローク実行の方向が識別情報を伝達する実用的な拡張となる。

関連論文リスト

• Rethinking Handwritten Character Recognition [0.0]
  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。
  論文  参考訳（メタデータ） (2026-09-02T16:19:14Z)
• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• Signature Approach for Contextual Bandits with Nonlinear and Path-dependent Rewards [6.2998947322747485]
  我々は,新しいシグネチャ変換に基づくアプローチにより,非線形および経路依存の報酬を伴う文脈的包帯について検討する。 この枠組みに基づいて,署名に基づく不整合上信頼境界(UCB)アルゴリズムである textttDisSigUCB を提案する。
  論文  参考訳（メタデータ） (2026-05-11T10:13:52Z)
• StrokeNet: Unveiling How to Learn Fine-Grained Interactions in Online Handwritten Stroke Classification [9.447865895922982]
  ストローク分類は、書き方、あいまいな内容、動的書き方の違いにより、依然として困難である。 我々の観察では、ストローク相互作用は典型的に局所化されていることが示されており、既存のディープラーニング手法ではそのようなきめ細かい関係を捉えるのが困難である。 基準点を選択して逐次順序でストロークをきめ細かな方法で表現することにより、この問題を効果的に解決することができる。
  論文  参考訳（メタデータ） (2025-12-06T04:41:08Z)
• End-to-End Page-Level Assessment of Handwritten Text Recognition [69.55992406968495]
  HTRシステムは、文書のエンドツーエンドのページレベルの書き起こしに直面している。 標準メトリクスは、現れる可能性のある不整合を考慮していない。 本稿では、転写精度とROの良さを別々に検討する2つの評価法を提案する。
  論文  参考訳（メタデータ） (2023-01-14T15:43:07Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• Self-Supervised Tuning for Few-Shot Segmentation [82.32143982269892]
  Few-shotのセグメンテーションは、アノテートされたサンプルがほとんどない各画像ピクセルにカテゴリラベルを割り当てることを目的としている。 既存のメタラーニング手法では, 画像から抽出した視覚的特徴を埋め込み空間に埋め込むと, カテゴリー別識別記述子の生成に失敗する傾向にある。 本稿では,複数のエピソードにまたがる潜在特徴の分布を,自己分割方式に基づいて動的に調整する適応型フレームワークチューニングを提案する。
  論文  参考訳（メタデータ） (2020-04-12T03:53:53Z)

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。