本篇论文介绍了两个新的评估指标 AIoU 和 LDTW，以及一种名为 PEN-Net 的手写轨迹恢复模型，通过解决书写顺序和字形保真度的问题，显著提高了字符轨迹恢复的质量。实验结果表明，该模型在复杂字形语言中表现良好。

Oct, 2022

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

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

手写是儿童认知和学术发展的基本技能，但近几十年的技术和教育变革对手写的教学和评估产生了影响。本文通过对儿童手写分析的文献综述，包括发表的文章、研究参与者和评估儿童书写状态的方法的文献计量分析，旨在综合国际研究趋势。综述认为手写仍然是早期评估认知问题和进行早期干预的基本工具，分析了书写状态评估工具并强调了确定评估方法和整合数据库的重要性。

Jun, 2024

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

数字记事正在流行，我们的研究 InkSight 致力于通过转换手写笔记到数字墨迹来弥合数字记事和传统纸笔记的差距，这是第一个有效地将手写文本转换为各种具有不同视觉特征和背景的照片的工作。

Feb, 2024

本文主要关注基于贝叶斯推理的在线手写识别模型的不确定性量化，特别是针对时空数据的不确定性量化方法。通过采用 SWAG 和 Deep Ensembles 两种方法，对数据和模型的不确定性进行评估，以更好地了解模型，并在右手和左手写手（一个低比例的群体）组合时检测到超出分布的数据和域漂移等方面取得一定效果。

Jun, 2022

本文提出了一种轻量、可扩展和通用的方法，通过运行在稀疏布局基础图上的多模态、多任务图卷积网络（GCN）来识别文本阅读顺序，并使用后处理聚类和排序算法生成所有文本行的有序序列。

May, 2023

通过图像处理和深度学习技术，本文提出了一个能够提取和分析手稿文档与文本行高度、单词间距和字符大小相关的内在度量的框架。通过量化待比较文档的特征向量之间的欧几里德距离，可以辨别出作者身份。我们还提出了一个新的、具有挑战性的数据集，包括 124 个不同人物撰写的 362 个手写和数字设备上的手稿。实验结果表明，我们的方法能够在不同的写作媒介中客观地确定作者身份，并超越现有技术水平。

Oct, 2023

本文介绍了一种支持 102 种语言的在线手写系统，采用深度神经网络架构和贝塞尔曲线的新输入编码，与之前的系统相比降低了 20%-40% 的错误率，并在 IAM-OnDB 数据集上取得了新的最优结果。通过实验确定了模型的最优配置，并在多个公共数据集上进行了评估。

Feb, 2019