孟加拉和天城体字的静态和动态合成
通过简化文本轨迹计划和手写动态,本文提出了一种将时间演变纳入手写合成器的新方法,采用了快速人体运动的运动学理论和神经运动启发的手写合成器进行实现,并通过与真实样本的定量和主观比较评估了所提方法的真实性。
Jan, 2024
通过利用对数正态原理模拟复杂的神经运动控制过程,本文提出了一个框架来生成合成的 3D 空中签名,该技术可以在自动签名验证中支持决策制定,包括合成完全 3D 新签名的轨迹和速度、只有 3D 轨迹的动力学信息以及 3D 真实签名的重复样本。我们通过生成模拟真实数据库的合成 3D 签名数据库,并展示了与真实和合成数据库相似的真实和熟练伪造签名的自动签名验证性能,证实了我们的提议的有效性,并证明该提议对于合成 3D 空中书写和手势也是有效的。最后,一个感知测试确认了生成的样本的人类相似性。
Jan, 2024
这篇论文研究了使用动态增强的静态手写图像来诊断帕金森病,通过同时利用手写的静态和动态属性,提出了一种嵌入动态信息的静态表示方法,通过在同一数据集上与现有方法进行了公平比较,证明了动态增强的静态手写图像能够胜过独立使用静态和动态手写的结果,从而实现了非侵入性、低成本的计算机辅助诊断系统来支持临床医生的诊断和监测神经退行性疾病,特别是帕金森病的评估。
May, 2024
设计了一个用于生成手写古吉拉特字体的框架,通过学习阶段和生成阶段实现,用户提供一小部分字符,系统根据学习的规则和提取的笔画自动生成手写古吉拉特字体,评估结果显示主观评估准确率为 84.84%,客观评估准确率为 84.28%。
Apr, 2024
分解手写合成方法为多个子任务,利用在线序列生成一段新的、逼真的文本并进行样式调整,经过全面的用户研究验证其内外词汇的手写样本,同时证明这种方法可以部分欺骗传统的写手识别系统。
Mar, 2020
本研究旨在开发一种支持印度语言手势输入的键盘,通过创建包含键盘轨迹的数据集来训练模型,并使用路径解码、音译和音译修正等技术对输入的轨迹进行映射以实现高达 70% 到 95% 的准确率。
Mar, 2022
利用深度学习分析和识别手写字在医疗领域中的早期检测与诊断应用,通过引导式数据合成生成有利于深度学习模型训练的逼真数据,结合阿尔茨海默病的领域知识,探索了利用空中运动进行合成数据生成。
Dec, 2023
本文提出了转移方法来构建手写图像数据集,以有效评估离线手写识别方法。我们提供了一个高质量的合成数据集,并使用各种现有方法进行了实验,以找出解决越南语手写识别问题的挑战。
Nov, 2022