論文の概要: Self-Supervised Diffusion Models for Handwritten Signature Verification via Ruin Reconstruction

• arxiv url: http://arxiv.org/abs/2611.07810v1
• Date: Thu, 05 Nov 2026 10:50:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.660303
• Title: Self-Supervised Diffusion Models for Handwritten Signature Verification via Ruin Reconstruction
• Title（参考訳）: ループ再構成による手書き署名検証のための自己監督拡散モデル
• Abstract要約: emphSigDiffuserは、シグネチャ表現と検証のための拡散ベースの自己教師型フレームワークである。 視覚エンコーダを用いて、無傷の署名領域から重要な手書き文字パターンをキャプチャする。 マルチ言語シグネチャデータセットの実験では、emphSigDiffuserは最先端のSSLメソッドとHSVモデルの両方で大幅に性能が向上している。
• 参考スコア（独自算出の注目度）: 48.658125110130094
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Handwritten signature verification (HSV) is a critical biometric technique in legal and forensic authentication, whose efficacy hinges on the discriminability of signature representations. Current HSV methods predominantly adopt supervised learning to enhance representation quality, leaving self-supervised learning largely unexplored. We propose \emph{SigDiffuser}, a diffusion-based self-supervised framework for signature representation and verification. At its core, \emph{SigDiffuser} introduces a novel pretext task termed \emph{Reconstruction from Ruins (RFR)}, which deliberately ``ruins'' signatures through severe crumpling, obliterating their structural integrity and writing styles. A visual encoder is employed to capture crucial handwriting patterns from intact signature regions, guiding the denoiser to reconstruct the ``ruined'' portions and learning meaningful representations. Additionally, we introduce a \emph{pyramidal feature aggregation module (PFAM)} to bridge the visual encoder and denoiser, enhancing representation quality via hierarchical aggregation and modulation. Extensive experiments on multilingual signature datasets demonstrate that \emph{SigDiffuser} significantly outperforms both state-of-the-art SSL methods and HSV models. We further show that increasing the crumpling severity on signatures effectively improves representation quality. Notably, our work demonstrates that extreme destruction, coupled with self-supervised diffusion models, can yield superior signature representation compared to traditional mild deformations, paving new avenues for HSV and other biometric domains. Code will be publicly available.
• Abstract（参考訳）: 手書き署名検証(HSV)は、署名表現の識別可能性に基づく法的な、法医学的な認証において重要なバイオメトリック技術である。 現在のHSV手法では、主に教師あり学習を採用して表現の質を高めており、自己教師あり学習はほとんど探索されていない。 本稿では,シグネチャ表現と検証のための拡散型自己教師型フレームワークであるemph{SigDiffuser}を提案する。 その中核である \emph{SigDiffuser} では、'emph{Reconstruction from Ruins (RFR)' と呼ばれる新しいプレテキストタスクが導入されている。 視覚エンコーダは、無署名の領域から重要な手書き文字パターンをキャプチャし、デノイザに `ruined' 部分の再構築を指示し、意味のある表現を学習するために使用される。 さらに,視覚エンコーダとデノイザをブリッジする<emph{pyramidal feature aggregate module (PFAM) を導入し,階層的アグリゲーションと変調による表現品質の向上を図る。 多言語シグネチャデータセットに関する大規模な実験により、 \emph{SigDiffuser} は最先端のSSLメソッドとHSVモデルの両方で著しく優れていた。 さらに,シグネチャのクランプ数の増加は表現品質を効果的に向上させることを示す。 特に本研究は, 自己教師付き拡散モデルと組み合わせることで, 従来の軽微な変形よりも優れたシグネチャ表現が得られることを示す。 コードは公開されます。

関連論文リスト

• A Prototypical Signature Approach for Writer-Independent Offline Signature Verification [6.396522606507045]
  オフラインシグネチャ検証は、静的イメージを使用して偽シグネチャと真のシグネチャを区別することを目的としている。 負のサンプルは通常、トレーニングデータを作成するために、他のユーザの真の署名からランダムに描画される。 原型シグネチャを用いた多種多様な情報的負のサンプルを生成するためのデータ駆動型戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-16T22:48:44Z)
• Semantic Visual Anomaly Detection and Reasoning in AI-Generated Images [96.43608872116347]
  AnomReasonは4倍のtextbfAnomAgentのような構造化アノテーションを備えた大規模ベンチマーク AnomReasonとAnomAgentは、AI生成画像の意味的妥当性の測定と改善の基盤となっている。
  論文  参考訳（メタデータ） (2025-10-11T14:09:24Z)
• An Improved U-Net Model for Offline handwriting signature denoising [0.0]
  法医学的な鑑定では、オフラインの筆跡シグネチャの分析には、鑑定者が一定の数のシグネチャサンプルを提供する必要がある。 提供された手書きサンプルは、しばしば大量の干渉情報と混同され、手書き識別作業に深刻な課題をもたらす。 本研究は,符号認識システムの堅牢性向上を目的とした,改良されたU-net構造に基づく署名手書き記述モデルを提案する。
  論文  参考訳（メタデータ） (2025-07-01T01:38:44Z)
• 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)
• The NeRF Signature: Codebook-Aided Watermarking for Neural Radiance Fields [77.76790894639036]
  我々は,NeRFの新しい透かし方式であるNeRFシグナチャを提案する。 我々は、モデル構造を変更しないコードブック支援署名埋め込み(CSE)を採用している。 また、署名をパッチに隠すための共同ポーズパッチ暗号透かし戦略も導入する。
  論文  参考訳（メタデータ） (2025-02-26T13:27:49Z)
• Offline Handwritten Signature Verification Using a Stream-Based Approach [7.18805896964466]
  署名検証システムは、真と偽の署名を区別する。 従来のHSV開発には静的なバッチ構成が含まれる。 本稿では,無限のシグネチャ列を受信し,時間とともに更新される適応システムを用いた新しいHSV手法を提案する。
  論文  参考訳（メタデータ） (2024-11-10T16:16:06Z)
• Offline Signature Verification Based on Feature Disentangling Aided Variational Autoencoder [6.128256936054622]
  シグネチャ検証システムの主なタスクは、シグネチャ画像から特徴を抽出し、分類のための分類器を訓練することである。 署名検証モデルがトレーニングされている場合、熟練した偽造の例は、しばしば利用できない。 本稿では, 可変オートエンコーダ(VAE)を用いて, 署名画像から直接特徴を抽出する新しい署名検証手法を提案する。
  論文  参考訳（メタデータ） (2024-09-29T19:54:47Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)

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。