A Heisenberg-Lift Descriptor for Order-Sensitive Online Handwriting Recognition

Resumo Técnico: Um Descritor de Levantamento de Heisenberg para Reconhecimento de Escrita Online Sensível à Ordem

Enunciado do Problema
Os sistemas convencionais de reconhecimento de escrita online dependem tipicamente de descritores de forma euclidianos de comprimento fixo (ex: comprimento de arco, dimensões da caixa delimitadora, estatísticas de curvatura e amplitudes de Fourier) para representar trajetórias de caneta. Embora computacionalmente eficientes, esses descritores são inerentemente "cegos à ordem": eles capturam o contorno espacial de um traço, mas são invariantes à ordem temporal em que esse contorno é produzido. Consequentemente, dois traços que traçam a mesma região geométrica em direções opostas (ex: um laço no sentido horário vs. anti-horário) são indistinguíveis para representações euclidianas. Essa limitação é crítica na análise de documentos, onde a informação de classe é frequentemente codificada na orientação do laço, na direção do traço e no sequenciamento, em vez de apenas na forma estática. O artigo argumenta que isso é um déficit informacional, não dimensional; simplesmente aumentar o número de características euclidianas não pode recuperar o sinal temporal perdido.

Metodologia
Os autores propõem uma estrutura de levantamento de Heisenberg que aumenta os descritores euclidianos padrão com características geométricas sensíveis à ordem derivadas do grupo de Heisenberg tridimensional ($Heis_3$). A metodologia segue um pipeline de quatro estágios:

1. Pré-suavização Gaussiana Adaptativa: Para mitigar o acúmulo de ruído durante o levantamento subsequente, a sequência de coordenadas brutas $(x_t, y_t)$ é suavizada usando um filtro Gaussiano unidimensional. A largura de banda $\sigma_s$ é adaptativa, escalando com o comprimento da trajetória $T$ para evitar o excesso de suavização em traços curtos ou para regularizar caminhos mais longos e densamente amostrados.
2. Levantamento de Heisenberg: A trajetória planar suavizada é elevada para o grupo de Heisenberg. A lei de multiplicação do grupo introduz um termo cruzado $z_{t+1} = z_t + \frac{1}{2}(x_t y_{t+1} - y_t x_{t+1})$, onde a terceira coordenada $z(t)$ representa a área assinada cumulativa varrida pela trajetória. Esta coordenada é antissimétrica, o que significa que muda de sinal se a direção de travessia for invertida, codificando assim a informação de ordem ausente.
3. Subdivisão Não Comutativa SH (Opcional): Para capturar a dinâmica temporal do acúmulo de área, em vez de apenas o valor terminal, o polígono elevado é refinado usando um esquema de subdivisão de quatro pontos do grupo de Heisenberg ($S_H$). Este esquema interpolatório preserva os nós existentes enquanto insere novos pontos, gerando um perfil denso e estável da área assinada $z(t)$.
4. Extração de Características: O pipeline produz dois níveis de descritores:
   • Mínimo (Euc+z(T)): Um único escalar, a área assinada terminal $z(T)$, anexado à linha de base euclidiana.
   • Completo (Euc+Heis): Um perfil de 15 dimensões derivado da curva $z(t)$ refinada, incluindo estatísticas como variação total, mudanças de sinal, energia e assimetria, concatenado com a linha de base euclidiana de 25 dimensões para formar um vetor de 40 dimensões.

Principais Contribuições
O artigo apresenta três contribuições primárias, estruturadas em níveis:

• Nível 1 (Aumento Escalar Mínimo): Os autores demonstram que anexar a área assinada terminal $z(T)$ a um descritor euclidiano padrão de 25 dimensões resulta em um vetor de 26 dimensões (Euc+z(T)) que supera significativamente a linha de base euclidiana. Crucialmente, essa melhoria é alcançada sem parâmetros aprendidos e com custo computacional desprezível.
• Nível 2 (Perfil Temporal de Heisenberg): Um descritor mais rico de 15 dimensões (Euc+Heis) é construído resumindo a dinâmica do acúmulo de área assinada. Esta extensão fornece ganhos de precisão adicionais, particularmente em condições ruidosas e para trajetórias curtas e ricas em laços, onde a amostragem temporal bruta é esparsa.
• Nível 3 (Validação e Escopo): O estudo valida rigorosamente que essas melhorias decorrem de informação geométrica e não de inflação de contagem de características. Isso é confirmado através de baselines aleatórios de dimensões correspondentes (Euc+Rand) e testes de significância de McNemar. O artigo também posiciona o método como um complemento leve e interpretável para classificadores de sequência de alta capacidade (como o ROCKET), em vez de um substituto.

Resultados Experimentais
O método foi avaliado em dois benchmarks padrão: o conjunto de dados de trajetórias de caracteres UCI (20 classes, $T=60$) e o conjunto de dados de reconhecimento de dígitos baseados em caneta UCI (10 classes, $T=8$).

• Sensibilidade à Ordem: Em uma tarefa sintética controlada distinguindo laços no sentido horário de anti-horário, as características euclidianas falharam (acurácia $\approx 0,84$), enquanto os métodos baseados em área assinada alcançaram separação perfeita (1,00).
• Separação de Classes Difíceis: No par de caracteres mais difícil do estudo, 'o' vs. 'y', a linha de base euclidiana estagnou em 0,964 de acurácia. O escalar mínimo $z(T)$ sozinho alcançou separação perfeita (1,00), demonstrando que a direção da travessia era o sinal discriminativo decisivo.
• Robustez ao Ruído: Sob ruído de coordenada Gaussiano aditivo, os descritores propostos mantiveram desempenho superior em comparação com as linhas de base euclidianas. Em um nível de ruído de $\sigma=0,20$, o Euc+z(T) melhorou a acurácia em 10,9 pontos percentuais no conjunto de dados de Caracteres e 7,8 pontos no de Pen Digits. O descritor completo Euc+Heis proporcionou ganhos ainda maiores (até +15,1 pontos em Caracteres), confirmando a utilidade do perfil temporal em ambientes ruidosos.
• Significância Estatística: Testes de McNemar confirmaram que as melhorias do Euc+z(T) e Euc+Heis sobre a linha de base euclidiana foram estatisticamente significativas ($p < 0,001$), enquanto aumentos aleatórios de dimensões correspondentes não mostraram melhoria significativa.

Significância e Alegações
O artigo afirma que a principal contribuição não é a descoberta de um novo invariante matemático (a área assinada já é conhecida como o termo de nível dois antissimétrico na literatura de assinatura de caminho), mas sim a demonstração de sua utilidade prática como um aumento de característica compacto, interpretável e sensível à ordem para escrita online.

Os autores enfatizam que o método aborda uma lacuna estrutural específica na análise de documentos: a incapacidade dos descritores espaciais de distinguir traços com base na ordem de travessia. A área assinada terminal é apresentada como um escalar "sem parâmetros" que pode ser anexado a pipelines existentes para recuperar informações que descritores de apenas forma descartam. Embora o perfil completo de Heisenberg ofereça robustez em regimes de ruído ou trajetórias curtas, o artigo conclui que o aumento escalar mínimo é frequentemente suficiente para o reconhecimento multiclasse limpo, ofereando um upgrade de alto benefício e baixo custo para sistemas de reconhecimento padrão. O trabalho é explicitamente delimitado a trajetórias de caneta bidimensionais sob ruído Gaussiano aditivo, posicionando o descritor como uma ferramenta prática para pipelines de análise de documentos onde a direção de execução do traço carrega informação discriminativa.