Fuzzy-Geometric Branch-Point Modeling for Structure-Aware Augmentation of Handwritten Chinese Characters

Resumen Técnico: Modelado de Puntos de Ramificación Fuzz-Geométricos para el Aumento de la Estructura Consciente de Caracteres Chinos Escritos a Mano

1. Planteamiento del Problema

El reconocimiento de caracteres escritos a mano (HCR), particularmente para aplicaciones de alta seguridad como la verificación de firmas, enfrenta dos cuellos de botella críticos: la extrema escasez de datos de entrenamiento y la alta incertidumbre de las trayectorias de escritura. Si bien el aprendizaje profundo ha avanzado en el campo, el reconocimiento de caracteres chinos escritos a mano (HCCR) presenta desafíos únicos debido a las complejas estructuras topológicas de los caracteres chinos, que incluyen intrincadas intersecciones de trazos, ligaduras y giros agudos.

Los métodos de aumento existentes no logran abordar estas complejidades de manera efectiva:

• Las transformaciones geométricas convencionales (por ejemplo, afines, TPS) dependen de mapeos rígidos que carecen de la capacidad expresiva para simular la estocasticidad no lineal de la escritura manual natural, lo que a menudo causa rupturas topológicas en regiones de intersección.
• Los modelos generativos (por ejemplo, GANs, Difusión) a menudo carecen de restricciones geométricas explícitas, lo que conduce al colapso topológico y a la distorsión de características en intersecciones densas y difusas, especialmente en escenarios de pocos ejemplos (few-shot).
• Los métodos tradicionales basados en esqueletos dependen de la lógica booleana clásica y de umbrales nítidos (crisp). Esta toma de decisiones binaria falla ante la imprecisión estructural de las escrituras cursivas, resultando en fracturas del esqueleto (sobre-segmentación) o conexiones perdidas (sub-segmentación).

El problema central es la incapacidad de los métodos actuales para preservar la consistencia topológica del esqueleto y la integridad físico-semántica durante el aumento de datos cuando se trata de relaciones espaciales "difusas" donde los trazos no están definitivamente conectados ni desconectados.

2. Metodología: Marco de Trabajo FGSA

El artículo propone un marco de aumento de Fuzzy Geometry-Driven Structure-Aware (FGSA) (Geometría Difusa Dirigida por la Estructura). La metodología transita de las decisiones topológicas binarias rígidas hacia un modelado geométrico difuso continuo. El proceso consta de cuatro etapas clave:

A. Modelado de Membresía de Puntos de Ramificación Difusos
En lugar de utilizar umbrales rígidos para la detección de puntos de ramificación, los autores modelan los puntos de ramificación como conjuntos difusos dentro del espacio del esqueleto. Se construye un campo de membresía de puntos de ramificación continuo, $\mu_{\tilde{B}}(p)$, integrando dos fuentes de evidencia:

1. Ambigüedad Topológica: Un término de membresía basado en la cardinalidad del vecindario de 8, mapeado mediante una función Sigmoide para permitir una tolerancia difusa alrededor del umbral tradicional (cambiando de $\tau=4$ a un centro de $\tau=3.5$).
2. Divergencia Direccional Consciente de la Estructura: Un término que cuantifica la divergencia del campo de vectores tangentes locales ($\nabla \cdot \vec{v}$), el cual captura la intensidad de la variación de la dinámica del trazo en giros y bifurcaciones.

Estos se fusionan mediante un factor de ponderación $\lambda$ para producir un campo de membresía continuo. Posteriormente, se utiliza un $\alpha$-corte (establecido en 0.5) para desdifusificar el campo, extrayendo un esqueleto topológico robusto que se adapta al ruido y a las conexiones cursivas.

B. Optimización de Parámetros Sustitutos No Supervisada
Para eliminar la dependencia de la sintonización manual de parámetros y de las anotaciones de verdad de campo (ground-truth) (que son ambiguas en regiones difusas), el marco emplea un algoritmo de evolución diferencial (DE) no supervisado.

• Objetivo Sustituto: La optimización minimiza una función de pérdida compuesta $L_{surrogate}$ que comprende:
  • Error de Reconstrucción Geométrica ($L_{recon}$): El error de ajuste entre la curva de Bézier cúbica reconstruida y los píxeles discretos del esqueleto.
  • Regularización de Conteo Anti-colapso ($L_{count}$): Asegura que el número de puntos de ramificación detectados se alinee con el número de segmentos conectados para prevenir la sobre-segmentación o sub-segmentación.
  • Restricción de Continuidad Topológica ($L_{cont}$): Impone la continuidad $C_0$ en las uniones entre segmentos de trazo adyacentes.
• El algoritmo DE busca en el espacio de parámetros ($\eta, \beta, \lambda$) para encontrar el conjunto óptimo $\Theta^*$ que equilibre la estabilidad de la segmentación y la fidelidad de la reconstrucción.

C. Reconstrucción Geométrica de Bézier Guiada por Difusión
Una vez identificados los puntos de ramificación óptimos, el esqueleto se desacopla en subvariedades de trazo independientes. Cada segmento se parametriza utilizando curvas de Bézier cúbicas:

• Anclaje Híbrido Difuso-Nítido: Los puntos finales se anclan de forma determinista basándose en el esqueleto purificado, mientras que los puntos de control internos se inicializan utilizando prioris cinemáticas (dirección de escritura y escala) y se refinan mediante un ajuste de mínimos cuadrados regularizado.
• Aumento Consciente de la Estructura: Se aplican perturbaciones cinemáticas estocásticas a los puntos de control dentro de los límites de tolerancia difusa. Esto incluye la relajación de los límites de los extremos y perturbaciones de control interno guiadas por marcos de coordenadas locales, generando muestras diversas pero estructuralmente fieles.

D. Restauración Morfológica
Para abordar los artefactos de discretización (por ejemplo, contornos dentados, micro-vacíos) introducidos al renderizar las curvas de Bézier continuas de vuelta a una imagen binaria, se aplica un mecanismo de reconstrucción topológica morfológica (operaciones de apertura y cierre) para asegurar la integridad topológica.

3. Contribuciones Clave

1. Modelado de Puntos de Ramificación Fuzz-Geométricos: Un método novedoso que representa los puntos de ramificación inciertos como un conjunto difuso sobre el espacio del esqueleto, relajando las decisiones binarias frágiles hacia una estimación de membresía continua.
2. Función de Membresía de Doble Evidencia: Una formulación que integra la ambigüedad topológica basada en vecindarios y la divergencia del campo direccional, permitiendo un cribado robusto bajo conexiones cursivas y ruido local.
3. Optimización Sustituta Libre de Etiquetas: Un mecanismo no supervisado que utiliza un objetivo sustituto para optimizar adaptativamente los parámetros difusos, permitiendo el desacoplo de trazos basado en Bézier sin anotación manual.
4. Benchmark LZUSig: La introducción de un conjunto de datos a gran escala y altamente desafiante dedicado a la degradación estructural fina en firmas chinas escritas a mano, disponible públicamente para la investigación.

4. Resultados Experimentales

El marco FGSA fue evaluado en tres conjuntos de datos: CASIA-HWDB1.1 (caracteres estandarizados), ChiSig (firmas con interferencia de fondo) y el nuevo LZUSig (firmas altamente degradadas).

• Ganancias de Rendimiento:
  • En CASIA-HWDB1.1, FGSA logró una precisión de reconocimiento del 96.12%, superando ligeramente la línea base (96.00%) y al estado del arte FgAA (96.10%), demostrando estabilidad en escenarios de baja incertidumbre.
  • En ChiSig, FGSA redujo la Tasa de Error de Palabra (WER) en un 44.39% respecto a la línea base, superando significativamente a las transformaciones geométricas (Afín: +41.33%, TPS: +40.27%) y a los modelos generativos (zi2zi: +39.04%).
  • En el caso de LZUSig, altamente degradado, FGSA logró una reducción del 44.81% en el WER, superando al siguiente mejor método (FgAA con +36.86%) por un margen de casi 8 puntos porcentuales.
• Análisis de Compromiso (Trade-off):
  • FGSA alcanzó una frontera de Pareto superior, equilibrando la Ganancia de Tarea ($\Delta$WER), la Fidelidad Estructural (Tasa de Retención de Características, $R_f$) y la Preservación de Información (IP).
  • Mientras que los modelos generativos ofrecieron una alta diversidad visual, sufrieron de baja fidelidad estructural y alta pérdida de información (distorsión). FGSA mantuvo una $R_f$ alta (comparable a FgAA) al tiempo que entregó ganancias de reconocimiento significativamente mayores.
• Estudios de Ablación:
  • Eliminar el término consciente de la estructura ($\lambda=1$) causó una caída drástica en el rendimiento ($\Delta$WER cayó de +44.39 a +17.44), confirmando la necesidad del modelado de la divergencia direccional.
  • Eliminar la optimización de parámetros no supervisada redujo el rendimiento, probando que los parámetros estáticos no pueden adaptarse a variaciones geométricas heterogéneas.

5. Significado y Reivindicaciones

El artículo afirma que FGSA ofrece una solución altamente controlable para el aumento de la escritura a mano que logra un equilibrio robusto entre la ganancia de tarea, la fidelidad estructural y la preservación de características discriminativas.

• Avance Teórico: Al formalizar la detección de puntos de ramificación como un problema de conjuntos difusos, este trabajo aborda el cuello de botella teórico de modelar la incertidumbre topológica en la escritura cursiva compleja, donde la lógica binaria tradicional falla.
• Impacto Práctico: El marco permite un reconocimiento robusto en escenarios de alta seguridad y bajos recursos (por ejemplo, examen forense, transacciones financieras) mediante la generación de muestras sintéticas de alta calidad que preservan las sutiles variaciones topológicas y los hábitos individuales de los escritores sin introducir artefactos estructurales.
• Contribución de Datos: La publicación de LZUSig proporciona un benchmark necesario para evaluar la degradación estructural fina, un vacío que no había sido abordado previamente en la literatura.

Los autores concluyen que la transición de la morfología binaria rígida al modelado geométrico difuso continuo es un camino crítico para resolver la explosión del espacio de estados inherente a la escritura altamente degradada, ofreciendo una vía para futuras investigaciones en aumento estructural de extremo a extremo y transferencia de estilo de dominio cruzado.