复杂手写轨迹恢复：评估指标与算法
计算机视觉与模式识别
2022-10-31 v1 人工智能
摘要
许多重要任务（如法医签名验证、书法合成等）依赖于手写轨迹恢复，然而该领域甚至仍缺乏合适的评估指标。事实上，现有指标仅关注书写顺序而忽略了字形保真度。兼顾两方面，我们提出了两个新指标：消除不同笔画宽度影响的自适应交并比（AIoU），以及解决轨迹点对齐问题的长度无关动态时间规整（LDTW）。此后，我们提出了一种名为解析与追踪编码器-解码器网络（PEN-Net）的新型手写轨迹恢复模型，尤其针对字形复杂且轨迹漫长的字符，这被认为极具挑战性。在 PEN-Net 中，精心设计的双流解析编码器解析字形结构，全局追踪解码器克服了长轨迹预测的记忆力难题。我们的实验表明，新指标 AIoU 与 LDTW 联合可真实评估手写轨迹恢复质量，且所提 PEN-Net 在包括中文、日文和印度系文字在内的多种复杂字形语言中表现出令人满意的性能。
引用
@article{arxiv.2210.15879,
title = {Complex Handwriting Trajectory Recovery: Evaluation Metrics and Algorithm},
author = {Zhounan Chen and Daihui Yang and Jinglin Liang and Xinwu Liu and Yuyi Wang and Zhenghua Peng and Shuangping Huang},
journal= {arXiv preprint arXiv:2210.15879},
year = {2022}
}
备注
Accepted by Asian Conference on Computer Vision 2022(ACCV2022)