Fugu-MT 論文翻訳(概要): Areas of Strategic Visibility: Disability Bias in Biometrics

論文の概要: Areas of Strategic Visibility: Disability Bias in Biometrics

arxiv url: http://arxiv.org/abs/2208.04712v1
Date: Thu, 14 Jul 2022 15:47:34 GMT
ステータス: 処理完了
システム内更新日: 2022-08-14 18:23:56.086921
Title: Areas of Strategic Visibility: Disability Bias in Biometrics
Title（参考訳）: 戦略的可視性領域:バイオメトリックスにおける障害バイアス
Authors: Jennifer Mankoff, representing the Center for Research and Education on Accessible Technology and Experiences (U. Washington), Devva Kasnitz, Disability Studies (City University of New York), L Jean Camp (Indiana U.), Jonathan Lazar (U. of Maryland, HCIL, Trace Center), Harry Hochheiser (U. of Pittsburgh)
Abstract要約: バイオメトリックスは、空港旅行から携帯電話の使用に至るまで、日常生活の多くの側面にすでに統合されている。しかし、これらのシステムの多くは、異なる種類の障害排除を経験する人々にはアクセスできない。
参考スコア（独自算出の注目度）: 7.668507544100493
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This response to the RFI considers the potential for biometrics to help or harm disabled people2. Biometrics are already integrated into many aspects of daily life, from airport travel to mobile phone use. Yet many of these systems are not accessible to people who experience different kinds of disability exclusion . Different personal characteristics may impact any or all of the physical (DNA, fingerprints, face or retina) and behavioral (gesture, gait, voice) characteristics listed in the RFI as examples of biometric signals.
Abstract（参考訳）: RFIに対するこの反応は、バイオメトリックスが障害者2を援助または傷つける可能性を考慮している。バイオメトリックスはすでに、空港旅行から携帯電話の利用まで、日常生活のさまざまな側面に統合されている。しかし、これらのシステムの多くは、さまざまな障害を経験する人々にはアクセスできない。異なる個人的特徴は、身体的特性(dna、指紋、顔または網膜)および行動的特性(ジェスチャー、歩行、声)に生体信号の例として影響する可能性がある。

関連論文リスト

Multibiometrics Using a Single Face Image [0.11184789007828977]
本研究では, 顔, 虹彩, 眼周囲, 鼻, まぶたの5つの生体特性を組み合わせて, 単一顔画像から抽出できる新しい多生体計測法を提案する。提案手法は,単面画像のみを入力として使用するため,バイオメトリックスの利便性を犠牲にしない。
論文参考訳（メタデータ） (2024-09-30T06:55:01Z)
Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文参考訳（メタデータ） (2023-04-04T07:24:51Z)
Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文参考訳（メタデータ） (2023-03-24T05:28:35Z)
Facial Soft Biometrics for Recognition in the Wild: Recent Works, Annotation, and COTS Evaluation [63.05890836038913]
制約のないシナリオにおける人物認識システムを強化するために,ソフトバイオメトリックスが果たす役割について検討する。 1) ソフトバイオメトリックスのマニュアル推定と,2) 市販オフザシェルフシステムによる自動推定の2つの仮定を考察する。深層学習に基づく2つの最先端顔認識システムを用いた軟式生体計測実験を行った。
論文参考訳（メタデータ） (2022-10-24T11:29:57Z)
Periocular Biometrics and its Relevance to Partially Masked Faces: A Survey [13.367903535457364]
顔認識システムは、マスクやその他の種類の顔カバーの存在に悪影響を及ぼす可能性がある。このような場合、人間の顔の周囲の領域は重要な生体認証のキューとなる。まず、顔マスクを装着した人間を認識するために特別に設計された様々な顔・近眼技術について検討する。
論文参考訳（メタデータ） (2022-03-29T02:52:42Z)
Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文参考訳（メタデータ） (2022-03-14T17:05:59Z)
Biometrics: Trust, but Verify [49.9641823975828]
バイオメトリック認識は、世界中のさまざまなアプリケーションに爆発しました。生体認証システムの様々なサブモジュールに関する多くの顕著な問題と懸念があります。
論文参考訳（メタデータ） (2021-05-14T03:07:25Z)
Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文参考訳（メタデータ） (2020-07-16T09:39:17Z)
Finger Texture Biometric Characteristic: a Survey [2.05617385614792]
フィンガーテクスチャ(FT)は生体特性として注目されている。 FTは、すべての指の内面に沿って分布する、見かけの線、しわ、尾根の異なる人間特有の特徴を持っている。 FTのみに基づいて効率的な生体認証システムを構築することができる。
論文参考訳（メタデータ） (2020-06-07T16:33:59Z)
Nowhere to Hide: Cross-modal Identity Leakage between Biometrics and Devices [10.583851548297728]
サイバー物理空間における複合ID漏洩の可能性について検討する。コロケーションされたスマートデバイスID(スマートフォンMACアドレスなど)と物理バイオメトリックス(顔/声のサンプルなど)は、互いにサイドチャネルである。異なる生体認証とデバイスIDに関する2つの実世界実験は、提案されたアプローチがデバイスIDの70%以上を妥協できることを示している。
論文参考訳（メタデータ） (2020-01-21T22:26:12Z)

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。