オフライン署名検証は、バイオメトリクスおよび文書鑑識分野における最も挑戦的な課題の一つである。他の検証問題とは異なり、本検証タスクは本物の署名と偽造署名の間にある微細だが極めて重要な差異をモデル化する必要がある。なぜなら、熟練した偽造者は、わずかな歪みを加えるだけで本物の署名に非常に類似した形を再現することができるからである。特に、著者独立型のシナリオではこの検証タスクはさらに困難となるが、これは現実的な状況において不可欠な要件である。本論文では、畳み込み型シアメーズネットワークを用いて、オフラインの著者独立型署名検証タスクをモデル化する。シアメーズネットワークは重みを共有する二重構造のネットワークであり、類似した観測値が特徴空間内で近接するように学習できるように訓練される。これは、類似するペアと類似しないペアの組み合わせをネットワークに提示し、類似ペア間のユークリッド距離を最小化すると同時に、非類似ペア間の距離を最大化することで実現される。クロスドメインデータセットを用いた実験により、本ネットワークが異なる言語（文字体系）および筆跡スタイルにおける偽造を効果的にモデル化できる能力が示された。さらに、本研究で提案するシアメーズネットワーク（SigNet）は、多数のベンチマーク署名データセットにおいて最先端の成果を上回り、今後の同分野における研究の基盤を築くものである。