論文の概要: Cheating Detection Pipeline for Online Interviews and Exams

• arxiv url: http://arxiv.org/abs/2106.14483v1
• Date: Mon, 28 Jun 2021 08:52:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-29 14:04:51.334808
• Title: Cheating Detection Pipeline for Online Interviews and Exams
• Title（参考訳）: オンラインインタビューとアウトカムのためのCheating Detection Pipeline
• Authors: Azmi Can \"Ozgen, Mahiye Uluya\u{g}mur \"Ozt\"urk, Umut Bayraktar
• Abstract要約: パイプラインは、顔検出、顔認識、オブジェクト検出、顔追跡アルゴリズムで構成される。 最終的に、私たちのパイプラインは、オンラインインタビューと試験ビデオで不正行為を検出し分析するための効率的で高速なガイドラインを提示します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote examination and job interviews have gained popularity and become indispensable because of both pandemics and the advantage of remote working circumstances. Most companies and academic institutions utilize these systems for their recruitment processes and also for online exams. However, one of the critical problems of the remote examination systems is conducting the exams in a reliable environment. In this work, we present a cheating analysis pipeline for online interviews and exams. The system only requires a video of the candidate, which is recorded during the exam. Then cheating detection pipeline is employed to detect another person, electronic device usage, and candidate absence status. The pipeline consists of face detection, face recognition, object detection, and face tracking algorithms. To evaluate the performance of the pipeline we collected a private video dataset. The video dataset includes both cheating activities and clean videos. Ultimately, our pipeline presents an efficient and fast guideline to detect and analyze cheating activities in an online interview and exam video.
• Abstract（参考訳）: リモート検査や就職面接は、パンデミックとリモートワークの利点の両面から、普及し、欠かせないものとなっている。 ほとんどの企業や学術機関は採用プロセスやオンライン試験にこれらのシステムを利用している。 しかし,遠隔試験システムの問題点の一つは,信頼性の高い環境下での試験実施である。 本研究では,オンライン面接と試験のための不正分析パイプラインを提案する。 このシステムは、試験中に記録される候補者のビデオのみを必要とする。 そして、不正検出パイプラインを使用して、他人、電子機器の使用状況、および候補不在状態を検出する。 パイプラインは、顔検出、顔認識、オブジェクト検出、顔追跡アルゴリズムで構成される。 パイプラインの性能を評価するために,プライベートビデオデータセットを収集した。 ビデオデータセットには、不正行為とクリーンビデオの両方が含まれている。 最終的に当社のパイプラインは,オンラインインタビューや試験ビデオで不正行為を検出し,分析するための効率的かつ迅速なガイドラインを提供します。

関連論文リスト

• Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
  被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。 本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。 我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
  論文  参考訳（メタデータ） (2024-10-10T13:10:34Z)
• AI-assisted Gaze Detection for Proctoring Online Exams [6.743433721135328]
  高額のオンライン試験では、潜在的なルール違反を検知し、テストの安全性を確保することが重要である。 本研究では,テストテイクがスクリーンから遠ざかっているかどうかを検知する作業について検討する。 本稿では,AIを利用した視線検出システムを提案する。これにより,プロクターは異なる映像フレームをナビゲートし,テストテイクが同じ方向を向いている映像フレームを発見することができる。
  論文  参考訳（メタデータ） (2024-09-25T13:31:37Z)
• Examining Monitoring System: Detecting Abnormal Behavior In Online Examinations [1.5613363580649218]
  オンライン検診における異常行動検出システム」は, 生徒の異常行動の特定を支援する。 本システムは,リアルタイムシナリオにおける不正検出の精度と高速化を実証する。
  論文  参考訳（メタデータ） (2024-02-19T14:37:17Z)
• Talent-Interview: Web-Client Cheating Detection for Online Exams [0.0]
  本稿では、オンライン・プロクタリングのより良い結果を得るために、エンド・ツー・エンドのシステムとサブモジュールを提案する。 本システムでは,物体検出,顔認識,人間の音声検出,セグメンテーションが用いられている。 私たちの知る限りでは、クライアントベースのオンラインプロクターシステムが採用に使用されるのはこれが初めてです。
  論文  参考訳（メタデータ） (2023-11-17T12:59:28Z)
• A Video-based Detector for Suspicious Activity in Examination with OpenPose [0.0]
  本稿では,ビデオ分析や検査中の不審な動作の検出に自動化を利用するフレームワークを提案する。 我々は,OpenPoseフレームワークと畳み込みニューラルネットワーク(CNN)を用いて,試験中にオブジェクトを交換する学生を特定した。
  論文  参考訳（メタデータ） (2023-07-21T08:15:39Z)
• Leveraging Real Talking Faces via Self-Supervision for Robust Forgery Detection [112.96004727646115]
  本研究では,実話を用いた顔操作映像の検出手法を開発した。 本手法は, クロスマニピュレーションの一般化とロバストネス実験における最先端性能を実現する。 以上の結果から、より堅牢な顔偽造検知器の開発には、自然ビデオと未表示ビデオの活用が有望な方向であることが示唆された。
  論文  参考訳（メタデータ） (2022-01-18T17:14:54Z)
• Image-Hashing-Based Anomaly Detection for Privacy-Preserving Online Proctoring [5.113513399537608]
  オンライン・プロクタリングはオンライン教育において欠かせないものとなっている。 ビデオベースのクラウドソースオンラインプロクターソリューションが使用されており、受験生のビデオは第三者によって監視されている。 本稿では,プライバシ保護型オンラインプロクタシステムを提案する。
  論文  参考訳（メタデータ） (2021-07-20T09:45:05Z)
• Online Multi-modal Person Search in Videos [74.75432003006432]
  本研究では,映像中の人物をリアルタイムで認識するオンライン人物検索フレームワークを提案する。 大規模な映画データセットを用いた実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-08T15:48:32Z)
• TubeTK: Adopting Tubes to Track Multi-Object in a One-Step Training Model [51.14840210957289]
  マルチオブジェクトトラッキングは、長い間研究されてきた基本的な視覚問題である。 Tracking by Detection (TBD)の成功にもかかわらず、この2段階の手法はエンドツーエンドでトレーニングするには複雑すぎる。 本稿では,短いビデオクリップ中の物体の時間空間位置を示すために,バウンディングチューブを導入することで,一段階のトレーニングしか必要としない簡潔なエンドツーエンドモデルチューブTKを提案する。
  論文  参考訳（メタデータ） (2020-06-10T06:45:05Z)
• VideoForensicsHQ: Detecting High-quality Manipulated Face Videos [77.60295082172098]
  偽造検知器の性能は、人間の目で見られる人工物の存在にどのように依存するかを示す。 前例のない品質の顔ビデオ偽造検出のための新しいベンチマークデータセットを導入する。
  論文  参考訳（メタデータ） (2020-05-20T21:17:43Z)
• Gabriella: An Online System for Real-Time Activity Detection in Untrimmed Security Videos [72.50607929306058]
  本研究では,未トリミングされたセキュリティビデオ上でのアクティビティ検出をリアルタイムに行うオンラインシステムを提案する。 提案手法は, チューブレット抽出, 活性分類, オンラインチューブレットマージの3段階からなる。 提案手法の有効性を,100fps(100fps)と最新技術による性能評価で実証した。
  論文  参考訳（メタデータ） (2020-04-23T22:20:10Z)

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。