marayagomez/synthetic-digital-signature-blocks

Synthetic Digital Signature Blocks

Synthetically generated images of digital signature appearance blocks — the visual stamp that PDF readers draw on a document when it is signed electronically. Every image is procedurally generated with PIL; no real document, no real person, and no real product branding is included.

The dataset was built to train signature-presence detectors on scanned administrative forms, where handwritten signatures are only one of several valid visual formats. Models trained exclusively on handwritten strokes fail on electronically signed documents, and this dataset covers that gap.

Contents

12,000 images, 560×200 px, 8-bit grayscale PNG.

Each image has two regions: the signer's name rendered large on the left (one word per line, up to three), and a metadata block on the right listing certificate fields, reason, location, timestamp and signing software.

Nulls are intentional

Real signature blocks vary in which fields the signer's software includes. Each optional field is emitted with probability 0.5, independently. Roughly 3% of images carry only the leading "Firmado digitalmente por" line. When a field is absent from the image, its column is null.

Variation axes

• —Typeface — six families, evenly distributed (2,000 images each)
• —Background mark — one of six shapes drawn in light grey (215–240) behind the text: diamond, circle, shield, seal, padlock, or none
• —Field presence — five independent coin flips, as above
• —Reason text — one of five wordings, including empty
• —Timezone — arbitrary worldwide zones, so UTC offsets include non-hour values such as +05'45'

Intended use

Training and evaluating classifiers that answer "is this document region signed?" across signature formats. Useful as a positive-class supplement to handwritten signature corpora such as CEDAR or GPDS.

Limitations

Positives only. Every image contains a signature block. Negative examples — empty boxes, printed names without a signature — must be sourced elsewhere. A classifier cannot be trained from this dataset alone.

One layout family. All blocks follow the same two-column structure (large name left, metadata right). Real signing software produces other arrangements: centered layouts, bordered boxes, blocks with no name at all.

Clean rendering. Images are generated directly, without scan artifacts. For robustness to scanned input, apply your own degradation — rotation, noise, contrast shift, compression.

Grayscale only. Real blocks are often blue or contain color logos.

Provenance and trademarks

Software names (Catxix, Edoba, Tujax, Zoxit) are invented and correspond to no real product. Background marks are generic geometric shapes, not reproductions of any company's logo. Names, emails, organizations and locations come from the Faker library and describe no real individual or entity.

Citation

@misc{synthetic_digital_signature_blocks,
  title  = {Synthetic Digital Signature Blocks},
  author = {<TU NOMBRE>},
  year   = {2026},
  url    = {https://huggingface.co/datasets/<TU-USUARIO>/<NOMBRE-DATASET>}
}

Bloques de firma digital sintéticos

Imágenes generadas sintéticamente de bloques de apariencia de firma digital — el sello visual que los lectores de PDF dibujan sobre un documento cuando se firma electrónicamente. Cada imagen se genera de forma procedural con PIL; no incluye ningún documento real, ninguna persona real ni ninguna marca comercial real.

El dataset se construyó para entrenar detectores de presencia de firma sobre formularios administrativos escaneados, donde la firma manuscrita es solo uno de varios formatos visuales válidos. Los modelos entrenados únicamente con trazo manuscrito fallan ante documentos firmados electrónicamente, y este dataset cubre ese vacío.

Contenido

12.000 imágenes, 560×200 px, PNG en escala de grises de 8 bits.

Cada imagen tiene dos zonas: el nombre del firmante en tamaño grande a la izquierda (una palabra por línea, hasta tres), y un bloque de metadata a la derecha con campos del certificado, razón, ubicación, fecha y software firmante.

Los nulos son intencionales

Los bloques de firma reales varían en qué campos incluye el software del firmante. Cada campo opcional se emite con probabilidad 0,5, de forma independiente. Cerca del 3% de las imágenes lleva solo la línea inicial "Firmado digitalmente por". Cuando un campo no aparece en la imagen, su columna queda en null.

Ejes de variación

• —Tipografía — seis familias, distribuidas parejo (2.000 imágenes cada una)
• —Marca de fondo — una de seis formas dibujadas en gris claro (215–240) detrás del texto: rombo, círculo, escudo, sello, candado, o ninguna
• —Presencia de campos — cinco decisiones independientes, según lo anterior
• —Texto de razón — una de cinco redacciones, incluida la vacía
• —Zona horaria — zonas arbitrarias de todo el mundo, por lo que los offsets UTC incluyen valores no enteros como +05'45'

Uso previsto

Entrenar y evaluar clasificadores que respondan "¿esta zona del documento está firmada?" a través de distintos formatos de firma. Útil como complemento de clase positiva para corpus de firma manuscrita como CEDAR o GPDS.

Limitaciones

Solo positivos. Todas las imágenes contienen un bloque de firma. Los ejemplos negativos — recuadros vacíos, nombres impresos sin firma — hay que conseguirlos por otro lado. No se puede entrenar un clasificador solo con este dataset.

Una sola familia de layout. Todos los bloques siguen la misma estructura de dos columnas (nombre grande a la izquierda, metadata a la derecha). El software de firma real produce otras disposiciones: layouts centrados, recuadros con borde, bloques sin nombre.

Renderizado limpio. Las imágenes se generan directamente, sin artefactos de escaneo. Para robustez ante entrada escaneada, aplica tu propia degradación — rotación, ruido, cambio de contraste, compresión.

Solo escala de grises. Los bloques reales suelen ser azules o traer logos a color.

Procedencia y marcas

Los nombres de software (Catxix, Edoba, Tujax, Zoxit) son inventados y no corresponden a ningún producto real. Las marcas de fondo son formas geométricas genéricas, no reproducciones del logo de ninguna empresa. Nombres, correos, organizaciones y ubicaciones provienen de la librería Faker y no describen a ninguna persona ni entidad real.