GAFSV-Net: A Vision Framework for Online Signature Verification

以下は、論文「GAFSV-Net: A Vision Framework for Online Signature Verification」の詳細な技術的サマリーです。

1. 問題定義

**オンライン署名検証（OSV）**は、真正の署名と熟練した偽造署名を区別することを目的としています。このタスクは、以下の 2 つの主要な課題に直面しています：

1. 高いクラス内変動性: ユーザーの署名は、速度、圧力、環境要因により、異なる書字インスタンス間で著しく変動します。
2. データ不足: 検証システムは、ユーザーあたり非常に少ない登録サンプル（例：1〜4 枚の署名）しか持たないことが多く、ロバストな書き手非依存モデルを学習することが困難です。

既存手法の限界:

• 古典的アプローチ: DTW、GMM などの手作りの特徴量に依存しており、書字スタイル間での汎化性能が劣ります。
• 深層学習（1 次元）: 現在の深層学習モデルのほとんど（RNN、LSTM、1D-CNN、Transformer）は、生時系列データを直接処理します。これにより 1 次元アーキテクチャに制限され、強力な事前学習済み 2 次元ビジョンバックボーン（ImageNet などで学習されたものなど）の利用や、2 次元空間的帰納バイアスの活用が妨げられています。
• ギャップ: 1 次元時系列署名データを、高度なコンピュータビジョンモデルに適した 2 次元表現へ効果的に変換する手法が存在しません。

2. 手法：GAFSV-Net

著者らは、1 次元時系列データと 2 次元ビジョンアーキテクチャの間のギャップを埋める、双枝深層学習フレームワークGAFSV-Netを提案します。

A. データ表現：非対称グラム角場（GAF）

生データ $(x, y, p)$ 系列をネットワークに入力する代わりに、この手法はまずデータを 2 次元画像に変換します：

1. 運動学的抽出: 生スタイラスデータから 3 つの時系列を導出します：
   • ペン速度 ($v$)
   • 圧力微分 ($\dot{p}$)
   • 方向角 ($\theta$)
2. 符号化: 3 つのチャネルそれぞれを、独立して 2 つの相補的な 2 次元行列に符号化します：
   • GASF（Gramian Angular Summation Field）: 値の共起（対称構造）を符号化します。2 つの時間ステップが類似した値を持つタイミングを捉えます。
   • GADF（Gramian Angular Difference Field）: 方向遷移（反対称構造）を符号化します。時間ステップ間で値が増加しているか減少しているかを捉えます。
3. 非対称構築: 因果的な時間的順序を保持し冗長性を削減するため、著者らは時系列を 2 つの半分に分割します。行列の上半分は前半部分の自己相関を、下半分は後半部分の自己相関を表します。これにより、サイズ $M/2 \times M/2$ の6 チャンネル画像（$3 \text{ チャンネル} \times 2 \text{ 変種}$）が生成されます。

B. ネットワークアーキテクチャ

このフレームワークは、双枝 ConvNeXt-Tinyアーキテクチャを利用します：

• 双バックボーン: 2 つの独立した ConvNeXt-Tiny ネットワーク（ImageNet-1k で事前学習済み）が、GASF と GADF の半分をそれぞれ個別に処理します。これにより、各枝は対称的（GASF）対反対称的（GADF）画像の特定の統計的性質に特化したフィルタを学習できます。
• アテンション機構:
  • 枝内自己アテンション: 各枝内の特徴マップを洗練させ、グローバルな空間相関を捉えます。
  • 双方向クロスアテンション: GASF 枝と GADF 枝の間で情報を融合します。これにより、GASF 枝は投影前に GADF 枝の判別可能なパターンをクエリでき（逆も同様）、動的な特徴融合が可能になります。
• 射影: 融合された特徴は単位超球面上に射影され、コンパクトな $D$ 次元埋め込みを生成します。

C. 学習戦略

モデルは、書き手非依存のメトリック学習アプローチを用いて学習されます：

• 損失関数: セミハードトリプレット損失と均一性正則化項の組み合わせ。
• ハードネガティブ注入: 熟練した偽造署名が「ハードネガティブ」として学習中に明示的に注入されます。特定のクラスレベル項により、偽造署名は単にランダムな書き手からだけでなく、ターゲット書き手の真正クラスからも遠ざけられるようにします。
• 均一性: 埋め込みが 1 つの場所に集約する「埋め込みの崩壊」を防ぐため、埋め込みが超球面上に均等に広がるよう促します。

D. 検証

テスト時には、クエリ署名の埋め込みとユーザーの登録プロトタイプの平均との間のコサイン類似度を計算します。スコアが閾値を超えた場合、署名は承認されます。

3. 主な貢献

1. 新規表現: OSV における非対称 GASF/GADF符号化の初適用を提案し、1 次元運動学的信号を、ペアワイズ時系列相関を明示的にマッピングする 2 次元画像へ変換します。
2. 双枝アーキテクチャ: GASF と GADF が時系列ダイナミクス（共起対方向）の直交的側面を捉えることを実証しました。クロスアテンションを備えた双枝設計は、これらの相補的な視点の効果的な活用を実現します。
3. 転移学習: 事前学習済みのImageNet 2 次元ビジョンバックボーンをデータ不足の OSV ドメインへ成功裏に転移し、1 次元系列でゼロから学習したモデルを上回りました。
4. 制御された比較: 同一の学習目的を用いて、GAF ベースの手法と系列ベースのベースライン（BiLSTM、Transformer、TCN）との公平な比較を初めて提供し、表現そのものからの利益を分離しました。

4. 実験結果

このフレームワークは、DeepSignDBおよびBiosecurIDデータセットで評価されました。

• 性能:
  • BiosecurID: 登録サンプル 4 枚で**2.97% の等誤り率（EER）**を達成し、以前の最高記録（DeepSign の 5.61%）および標準的な DTW ベースライン（10.43%）を大幅に上回りました。
  • DeepSignDB: 6.01% の EERを達成し、同一の目的で学習されたすべての系列ベースのベースライン（BiGRU、LSTM、Transformer、TCN）を上回りました。
• ベースラインとの比較:
  • GAFSV-Net は、1 次元モデル（RNN、1D-CNN、Transformer）を一貫して上回りました。
  • 大規模な時系列基盤モデルであるMOMENTさえも上回り、2 次元 GAF 符号化が系列ドメインの事前学習では回復できない帰納バイアスを提供することを証明しました。
• アブレーション研究:
  • GADF 対 GASF: 熟練した偽造署名に対しては、GADF（方向性）が GASF（共起）よりわずかに判別力が高いことが判明しましたが、組み合わせが最良の結果をもたらしました。
  • クロスアテンション: 双方向クロスアテンション機構は、単純な連結に対して約 0.6% の改善をもたらし、動的な特徴融合の価値を実証しました。
  • 損失構成要素: トリプレット損失、偽造注入、均一性正則化の組み合わせが不可欠でした。いずれかの構成要素を除去すると、性能が大幅に低下しました。

5. 意義

• パラダイムシフト: GAFSV-Net は、時系列データを 2 次元構造化画像に変換することで、OSV システムが事前学習済みコンピュータビジョンモデルの巨大な表現力を活用できることを確立しました。これは、従来の 1 次元系列モデルには以前は不可能だった能力です。
• ロバスト性: この手法は、署名の全体的な形状を模倣しつつも、GADF 符号化によって捉えられる微細な運動学的ダイナミクス（加速度、圧力変化）の再現に失敗する熟練した偽造署名に対して特に効果的です。
• 汎用性: このフレームワークは書き手非依存であり、テスト時にユーザー固有のパラメータを必要としないため、限られた登録データを持つ実世界での展開に適しています。

結論として、GAFSV-Net は、2 次元時系列符号化がオンライン署名検証のための優れた表現であることを示しており、従来の 1 次元系列モデルを超えた生体認証セキュリティへの新たな方向性を提示しています。