論文の概要: Analysis of Embeddings Learned by End-to-End Machine Learning Eye
Movement-driven Biometrics Pipeline
- arxiv url: http://arxiv.org/abs/2402.16399v1
- Date: Mon, 26 Feb 2024 08:49:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-27 14:05:58.243231
- Title: Analysis of Embeddings Learned by End-to-End Machine Learning Eye
Movement-driven Biometrics Pipeline
- Title(参考訳): エンド・ツー・エンド機械学習眼球運動駆動バイオメトリックスパイプラインで学習した埋め込みの分析
- Authors: Mehedi Hasan Raju, Lee Friedman, Dillon J Lohr, Oleg V Komogortsev
- Abstract要約: 本研究の目的は,眼球運動バイオメトリックスにおける機械学習による埋め込みが,従来のバイオメトリックスで観測された時間的持続性を反映しているかどうかを検証することである。
本手法は,眼球運動バイオメトリックスの性能に,入力データの長さと品質がどのような影響を及ぼすかを評価するための広範囲な実験を行った。
その結果、データ長が学習した埋め込みの安定性に大きく影響することがわかったが、埋め込み間の相関は最小限の効果を示した。
- 参考スコア(独自算出の注目度): 4.588028371034407
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper expands on the foundational concept of temporal persistence in
biometric systems, specifically focusing on the domain of eye movement
biometrics facilitated by machine learning. Unlike previous studies that
primarily focused on developing biometric authentication systems, our research
delves into the embeddings learned by these systems, particularly examining
their temporal persistence, reliability, and biometric efficacy in response to
varying input data. Utilizing two publicly available eye-movement datasets, we
employed the state-of-the-art Eye Know You Too machine learning pipeline for
our analysis. We aim to validate whether the machine learning-derived
embeddings in eye movement biometrics mirror the temporal persistence observed
in traditional biometrics. Our methodology involved conducting extensive
experiments to assess how different lengths and qualities of input data
influence the performance of eye movement biometrics more specifically how it
impacts the learned embeddings. We also explored the reliability and
consistency of the embeddings under varying data conditions. Three key metrics
(kendall's coefficient of concordance, intercorrelations, and equal error rate)
were employed to quantitatively evaluate our findings. The results reveal while
data length significantly impacts the stability of the learned embeddings,
however, the intercorrelations among embeddings show minimal effect.
- Abstract(参考訳): 本稿では,バイオメトリックシステムにおける時間持続性の基礎概念,特に機械学習によって促進される眼球運動バイオメトリックスの領域に着目した。
バイオメトリック認証システムの開発を主眼とするこれまでの研究と異なり,本研究は,これらのシステムによって学習された組込み,特に入力データの変化に対する時間的持続性,信頼性,生体認証の有効性について検討する。
公開された2つのアイモーメントデータセットを利用して、分析に最先端のEye Know You Too機械学習パイプラインを使用しました。
眼球運動バイオメトリックスにおける機械学習由来の埋め込みが、従来のバイオメトリックスで観察された時間的持続性を反映しているかどうかを検証することを目的としている。
提案手法では,入力データの長さや品質が眼球運動バイオメトリックスの性能に与える影響,特に学習した埋め込みにどう影響するかを評価するための広範囲な実験を行った。
また,各種データ条件下での埋め込みの信頼性と整合性についても検討した。
結果の定量的評価には,3つの重要な指標(一致係数,相関係数,等値誤差率)を用いた。
その結果、データの長さは学習した埋め込みの安定性に大きく影響するが、埋め込み間の相関は最小の効果を示す。
関連論文リスト
- Cross-Database Liveness Detection: Insights from Comparative Biometric
Analysis [20.821562115822182]
生検は生検と生検を区別する能力である。
本研究は, 生活度検出モデルの総合的な評価を行う。
私たちの研究は、バイオメトリックセキュリティの進化するリズムをナビゲートするための青写真を提供しています。
論文 参考訳(メタデータ) (2024-01-29T15:32:18Z) - Unrecognizable Yet Identifiable: Image Distortion with Preserved
Embeddings [24.403019302064006]
本稿では,眼に認識不能な顔画像を描画する革新的な画像歪み手法を提案する。
理論的観点から、我々は最先端のバイオメトリックス認識ニューラルネットワークがいかに信頼性が高いかを考察する。
この手法を適用することで、生体認証システムのセキュリティ、精度、性能のバランスをとるという工学的課題に対する実践的な解決策が示される。
論文 参考訳(メタデータ) (2024-01-26T18:20:53Z) - 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) - 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) - A Deep Learning Approach for the Segmentation of Electroencephalography
Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。
エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。
我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文 参考訳(メタデータ) (2022-06-17T10:17:24Z) - Deep Collaborative Multi-Modal Learning for Unsupervised Kinship
Estimation [53.62256887837659]
キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。
本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。
我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
論文 参考訳(メタデータ) (2021-09-07T01:34:51Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳(メタデータ) (2021-07-26T10:40:59Z) - Eye Know You: Metric Learning for End-to-end Biometric Authentication
Using Eye Movements from a Longitudinal Dataset [4.511561231517167]
本稿では,ユーザの眼球運動を認証するための畳み込みニューラルネットワークを提案する。
ネットワークは、確立されたメトリック学習損失関数、多相性損失で訓練される。
目の動きは、3年後のテンプレートの老化に対して非常に弾力性があります。
論文 参考訳(メタデータ) (2021-04-21T12:21:28Z) - CLRGaze: Contrastive Learning of Representations for Eye Movement
Signals [0.0]
眼球運動の特徴ベクトルを自己指導的に学習する。
我々は、対照的な学習アプローチを採用し、深層ニューラルネットワークが顕著な視線パターンと粒度のパターンを識別することを奨励する一連のデータ変換を提案する。
論文 参考訳(メタデータ) (2020-10-25T06:12:06Z) - End-to-End Models for the Analysis of System 1 and System 2 Interactions
based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。
統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。
機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文 参考訳(メタデータ) (2020-02-03T17:46:13Z)
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。