論文の概要: On Benchmarking Iris Recognition within a Head-mounted Display for AR/VR Application

• arxiv url: http://arxiv.org/abs/2010.11700v1
• Date: Tue, 20 Oct 2020 17:05:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 06:28:07.679004
• Title: On Benchmarking Iris Recognition within a Head-mounted Display for AR/VR Application
• Title（参考訳）: AR/VR用ヘッドマウントディスプレイにおけるアイリス認識のベンチマークについて
• Authors: Fadi Boutros, Naser Damer, Kiran Raja, Raghavendra Ramachandra, Florian Kirchbuchner and Arjan Kuijper
• Abstract要約: 我々は、ヘッドマウントディスプレイ(HMD)に適した虹彩認識アルゴリズムのセットを評価する。 我々は最近開発されたミニチュアセグメンテーションモデル(EyeMMS)を用いて虹彩のセグメンテーションを行っている。 アイリス認識の性能に感銘を受けて,HMDにおける非協調的なキャプチャ設定において,ユーザの継続的な認証を提案する。
• 参考スコア（独自算出の注目度）: 16.382021536377437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Augmented and virtual reality is being deployed in different fields of applications. Such applications might involve accessing or processing critical and sensitive information, which requires strict and continuous access control. Given that Head-Mounted Displays (HMD) developed for such applications commonly contains internal cameras for gaze tracking purposes, we evaluate the suitability of such setup for verifying the users through iris recognition. In this work, we first evaluate a set of iris recognition algorithms suitable for HMD devices by investigating three well-established handcrafted feature extraction approaches, and to complement it, we also present the analysis using four deep learning models. While taking into consideration the minimalistic hardware requirements of stand-alone HMD, we employ and adapt a recently developed miniature segmentation model (EyeMMS) for segmenting the iris. Further, to account for non-ideal and non-collaborative capture of iris, we define a new iris quality metric that we termed as Iris Mask Ratio (IMR) to quantify the iris recognition performance. Motivated by the performance of iris recognition, we also propose the continuous authentication of users in a non-collaborative capture setting in HMD. Through the experiments on a publicly available OpenEDS dataset, we show that performance with EER = 5% can be achieved using deep learning methods in a general setting, along with high accuracy for continuous user authentication.
• Abstract（参考訳）: 拡張現実と仮想現実は、さまざまな分野のアプリケーションにデプロイされている。 このようなアプリケーションは、厳密で継続的なアクセス制御を必要とする重要で機密性の高い情報にアクセスまたは処理する。 このようなアプリケーションのために開発されたヘッドマウントディスプレイ(hmd)は、視線追跡のための内部カメラを含んでいるため、アイリス認識によるユーザ確認に適合性の評価を行う。 本研究では,3つの手作り特徴抽出手法を用いてhmdデバイスに適した虹彩認識アルゴリズムをまず評価し,それを補完するために4つの深層学習モデルを用いた解析を行う。 スタンドアロンHMDの最小限のハードウェア要件を考慮しながら,最近開発された小型セグメンテーションモデル(EyeMMS)を用いてアイリスのセグメンテーションを行う。 さらに,アイリスの非理想的かつ非協調的捕獲を考慮し,アイリスマスク比(imr)と呼ばれる新しいアイリス品質指標を定義し,アイリス認識性能を定量化する。 また,虹彩認識の性能に動機づけられて,hmdにおける非協調キャプチャ設定におけるユーザの連続認証を提案する。 公開されているOpenEDSデータセットの実験を通して、EER = 5%の性能は、一般的な環境でのディープラーニング手法を用いて達成でき、継続的なユーザ認証の精度も高いことを示す。

関連論文リスト

• A Unified Framework for Iris Anti-Spoofing: Introducing IrisGeneral Dataset and Masked-MoE Method [19.797699153226382]
  IrisGeneralデータセットは、7つのデータベースに属する10のサブセットを含み、4つの機関が公開し、6種類のデバイスで収集する。 Iris Generalは、平均性能、断面積一般化、アイリスアンチスプーフィングモデルのクロスデバイス一般化の3つのプロトコルで設計されている。
  論文  参考訳（メタデータ） (2024-08-19T07:24:36Z)
• Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
  本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。 GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。 室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
  論文  参考訳（メタデータ） (2023-07-27T01:53:57Z)
• Deep Learning for Iris Recognition: A Review [7.884782855865438]
  虹彩認識は他の生体認証法よりも信頼性が高く、外部要因の影響を受けにくいと考えられている。 従来の機械学習ベースの虹彩認識方法とは異なり、ディープラーニング技術は機能工学に頼らず、優れたパフォーマンスを誇っている。 本稿では,深層学習に基づく虹彩認識の展開を要約するために120の関連論文を収集した。
  論文  参考訳（メタデータ） (2023-03-15T10:45:21Z)
• Physically-Based Face Rendering for NIR-VIS Face Recognition [165.54414962403555]
  近赤外(NIR)と可視(VIS)の顔マッチングは、大きなドメインギャップのために困難である。 NIR-VIS対顔画像生成のための新しい手法を提案する。 アイデンティティ特徴学習を容易にするために,IDentityに基づく最大平均離散性(ID-MMD)損失を提案する。
  論文  参考訳（メタデータ） (2022-11-11T18:48:16Z)
• Towards an efficient Iris Recognition System on Embedded Devices [10.096614253237103]
  本研究の目的は、組込みシステムにおいて虹彩認識ソフトウェアを開発し実装し、NIRを非接触双眼鏡で校正することである。 2台の組込みコンピュータと赤外線カメラで得られたコントラスト速度とコントラスト性能を比較検討した。 Unet_xxs と呼ばれる軽量セグメンタサブシステムが提案され,メモリリソース制限下でのアイリスセグメンテーションに使用できる。
  論文  参考訳（メタデータ） (2022-10-24T10:37:40Z)
• Multi-Modal Human Authentication Using Silhouettes, Gait and RGB [59.46083527510924]
  全体認証は、遠隔生体認証のシナリオにおいて有望なアプローチである。 本稿では,RGBデータとシルエットデータを組み合わせたDME(Dual-Modal Ensemble)を提案する。 DME内では、従来の歩行分析に使用される二重ヘリカル歩行パターンにインスパイアされたGaitPatternを提案する。
  論文  参考訳（メタデータ） (2022-10-08T15:17:32Z)
• Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
  高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
  論文  参考訳（メタデータ） (2021-10-20T01:37:19Z)
• Depth Guided Adaptive Meta-Fusion Network for Few-shot Video Recognition [86.31412529187243]
  わずかにラベル付きサンプルで新しいアクションを学習することを目的としたビデオ認識はほとんどない。 本稿では,AMeFu-Netと呼ばれる映像認識のための深度誘導型適応メタフュージョンネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-20T03:06:20Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)
• Segmentation-Aware and Adaptive Iris Recognition [24.125681602124477]
  アイリス画像の品質は、アイリスマッチング精度を劣化させることが知られている。 眼周囲情報は本質的にそのような虹彩画像に埋め込まれており、そのような非理想的なシナリオ下で虹彩認識を支援するために利用することができる。 本稿では,より精度の低いアイリス認識のためのセグメンテーション支援適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-12-31T04:31:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。