自動署名検証は、銀行業務や身分証明、法的文書において重要な生体認証技術です。本研究は、手書きスタイルや取得プロトコルの変動によってオフライン署名検証がデータセットを越えて一般化するのが難しい課題を解決するための特徴学習戦略に焦点を当てています。3つの公共ベンチマーク（CEDAR、ICDAR、GPDS Synthetic）を用い、未加工の署名画像を基にした実験パイプラインと、シェル前処理と呼ばれる手法を用いたパイプラインを併用しました。両アプローチの行動パターンが分析されたものの、決定的な優劣は確認されませんでした。結果として、未加工画像モデルが高いパフォーマンスを発揮した一方で、シェルベースモデルは将来的な強化の可能性を示唆しています。