論文の概要: ONOT/TONO-Print: A Paired Benchmark for Identity-Document Portrait Quality under Document Production Shift

• arxiv url: http://arxiv.org/abs/2610.33627v1
• Date: Sat, 24 Oct 2026 11:58:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.411121
• Title: ONOT/TONO-Print: A Paired Benchmark for Identity-Document Portrait Quality under Document Production Shift
• Title（参考訳）: OnOT/TONO-Print: 文書作成移行時のアイデンティティ文書の質評価ベンチマーク
• Abstract要約: アイデンティティドキュメントのポートレートは、印刷、彫刻、ドキュメントテンプレートへの統合によって、ドキュメント作成中に修正される。 ONOT/TONO-Printは、ID文書作成シフトの下で顔画像の品質モデルを評価するための小さなベンチマークである。
• 参考スコア（独自算出の注目度）: 51.56484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identity-document portraits are modified during document production by printing, engraving, and integration into the document template. These transformations may change image texture, contrast, colour, and other visual properties without necessarily changing the underlying biometric or presentation information. In this work, we introduce ONOT/TONO-Print, a small paired benchmark for evaluating face-image quality models under identity-document production shift. The benchmark is based on ONOT and TONO portraits and contains synthetic variants representing five common production techniques: toner, inkjet, dye sublimation, laser engraving, and thermal transfer. A smaller physical subset contains portraits printed and scanned using inkjet and toner devices. The benchmark is used to compare the behaviour of biometric and ICAO-related face-quality components before and after production. Results show that production can introduce substantial domain shift for some quality estimators, while other models remain comparatively stable.
• Abstract（参考訳）: アイデンティティドキュメントのポートレートは、印刷、彫刻、ドキュメントテンプレートへの統合によって、ドキュメント作成中に修正される。 これらの変換は、画像のテクスチャ、コントラスト、色、その他の視覚特性を変化させるが、基礎となる生体情報や提示情報を変更する必要はない。 そこで本研究では,OOT/TONO-Printを用いて顔画像の品質モデルの評価を行う。 このベンチマークはONOTとTONOのポートレートに基づいており、トナー、インクジェット、染料昇華、レーザーエッチング、熱伝達の5つの一般的な製造技術を表す合成変種を含んでいる。 小さな物理的サブセットには、インクジェットとトナーデバイスを使用して印刷され、スキャンされた肖像画が含まれている。 このベンチマークは、生産前後のバイオメトリックおよびICAO関連の顔品質コンポーネントの挙動を比較するために使用される。 結果から、一部の品質推定器では生産が相当なドメインシフトをもたらす可能性があるが、他のモデルでは比較的安定していることがわかった。

関連論文リスト

• SynthID-Image: Image watermarking at internet scale [55.5714762895087]
  本稿では,AI生成画像の透かしを行うディープラーニングシステムであるSynthID-Imageを紹介する。 本稿では,このようなシステムをインターネット規模で展開する上での技術的デシラタ,脅威モデル,実践的課題について述べる。
  論文  参考訳（メタデータ） (2025-10-10T11:03:31Z)
• DocIQ: A Benchmark Dataset and Feature Fusion Network for Document Image Quality Assessment [78.21680156380705]
  主観的なDIQAデータセットDIQA-5000を紹介する。 DIQA-5000データセットは5000個の文書画像からなる。 それぞれの強調画像は、全体的な品質、シャープさ、色質の3つの評価次元の15の被験者によって評価された。 そこで本研究では,文書レイアウト機能を利用した非参照DIQAモデルを提案する。
  論文  参考訳（メタデータ） (2025-09-21T10:01:43Z)
• TADoc: Robust Time-Aware Document Image Dewarping [4.080803969466669]
  デジタルエコノミーとオンラインワークの台頭により、文書画像のデウォープがますます重要になっている。 我々はこのタスクを再構築し、一連の中間状態を含む動的なプロセスとして初めてモデル化する。 文書画像の幾何学的歪みに対処するために,TADocと呼ばれる軽量なフレームワークを設計する。
  論文  参考訳（メタデータ） (2025-08-09T13:55:55Z)
• Classification of Inkjet Printers based on Droplet Statistics [1.237454174824584]
  与えられた文書を印刷するために使用されるプリンタモデルを知ることは、偽造を識別したり、実際の文書の有効性を検証するための重要な手がかりとなるかもしれない。 印刷文書スキャンから抽出した周波数領域の特徴を含む液滴特性を基礎となるプリンタモデルの分類に利用することを検討した。
  論文  参考訳（メタデータ） (2024-06-26T10:20:01Z)
• ONOT: a High-Quality ICAO-compliant Synthetic Mugshot Dataset [4.3659108218579545]
  本稿では,高品質な顔の生成に焦点を当てた合成データセットであるONOTを紹介する。 OnOTに含まれる厳密に制御された様々なマグショット画像は、eMRTDの顔画像の解析に関連する研究分野で有用である。
  論文  参考訳（メタデータ） (2024-04-17T10:38:51Z)
• A Layer-Wise Tokens-to-Token Transformer Network for Improved Historical Document Image Enhancement [13.27528507177775]
  Tokens-to-token Vision Transformer に基づく新しい文書バイナライゼーション・エンコーダ・デコーダアーキテクチャである textbfT2T-BinFormer を提案する。 様々なDIBCOおよびH-DIBCOベンチマークの実験により、提案モデルは既存のCNNおよびViTベースの最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-06T23:01:11Z)
• 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)
• Augraphy: A Data Augmentation Library for Document Images [59.457999432618614]
  Augraphyはデータ拡張パイプラインを構築するためのPythonライブラリである。 標準的なオフィス操作によって変更されたように見えるクリーンなドキュメントイメージの拡張版を作成するための戦略を提供する。
  論文  参考訳（メタデータ） (2022-08-30T22:36:19Z)
• DocScanner: Robust Document Image Rectification with Progressive Learning [162.03694280524084]
  この研究はDocScannerという、文書画像の修正のための新しいディープネットワークアーキテクチャを提示する。 DocScannerは、修正されたイメージの1つの見積を維持し、再帰的なアーキテクチャで徐々に修正される。 反復的な改善によりDocScannerは堅牢で優れたパフォーマンスに収束し、軽量なリカレントアーキテクチャにより実行効率が保証される。
  論文  参考訳（メタデータ） (2021-10-28T09:15:02Z)

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。