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
- Dynamic Graph Transformer with Correlated Spatial-Temporal Positional Encoding [29.81572367536339]
連続時間動的グラフ(CTDG)における表現学習の基本的な要件は、近接性の適切な推定と保存である。
我々は,CTDGにおける効果的なノード学習のために,時間的近接性の進化を効率的に維持する新しいCorrelated Space-Temporal Positional representation (CorDGT)を提案する。
論文 参考訳（メタデータ） (2024-07-24T02:56:22Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-24T08:08:05Z) - Temporal and Heterogeneous Graph Neural Network for Remaining Useful Life Prediction [27.521188262343596]
我々はTHGNN(Temporal and Heterogeneous Graph Neural Networks)という新しいモデルを導入する。
THGNNは、隣接するノードからの履歴データを集約し、センサーデータのストリーム内の時間的ダイナミクスと空間的相関を正確にキャプチャする。
包括的実験により,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-05-07T14:08:57Z) - The Paradox of Motion: Evidence for Spurious Correlations in
Skeleton-based Gait Recognition Models [4.089889918897877]
本研究は、視覚に基づく歩行認識が主に動きパターンに依存しているという一般的な仮定に挑戦する。
高さ情報の除去が顕著な性能低下につながることを比較分析により示す。
本研究では,時間的情報を無視して個々のポーズを処理する空間変換器モデルを提案する。
論文 参考訳（メタデータ） (2024-02-13T09:33:12Z) - Learning Beyond Similarities: Incorporating Dissimilarities between
Positive Pairs in Self-Supervised Time Series Learning [4.2807943283312095]
本稿では,正の対間の相似性を統合することで,単なる類似性を超越するSSLアプローチの先駆者となる。
本フレームワークは心電図(ECG)信号に適用され,心房細動(AFib)の検出精度が,多彩な被験者に+10%向上した。
論文 参考訳（メタデータ） (2023-09-14T08:49:35Z) - 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) - Dataset Bias in Human Activity Recognition [57.91018542715725]
このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。
時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
論文 参考訳（メタデータ） (2023-01-19T12:33:50Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Spatio-temporal Gait Feature with Adaptive Distance Alignment [90.5842782685509]
我々は,ネットワーク構造の最適化と抽出した歩行特徴の洗練という2つの側面から,異なる被験者の歩行特徴の差を増大させようとしている。
提案手法は時空間特徴抽出(SFE)と適応距離アライメント(ADA)から構成される。
ADAは実生活における多数の未ラベルの歩行データをベンチマークとして使用し、抽出した時間的特徴を洗練し、クラス間類似度が低く、クラス内類似度が高いようにしている。
論文 参考訳（メタデータ） (2022-03-07T13:34:00Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z)
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。