Fugu-MT 論文翻訳(概要): Temporal Persistence and Intercorrelation of Embeddings Learned by an End-to-End Deep Learning Eye Movement-driven Biometrics Pipeline

論文の概要: Temporal Persistence and Intercorrelation of Embeddings Learned by an End-to-End Deep Learning Eye Movement-driven Biometrics Pipeline

arxiv url: http://arxiv.org/abs/2402.16399v2
Date: Sun, 21 Jul 2024 23:58:34 GMT
ステータス: 処理完了
システム内更新日: 2024-07-24 02:40:58.438013
Title: Temporal Persistence and Intercorrelation of Embeddings Learned by an End-to-End Deep Learning Eye Movement-driven Biometrics Pipeline
Title（参考訳）: 深層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時間的持続性と相互相関
Authors: Mehedi Hasan Raju, Lee Friedman, Dillon J Lohr, Oleg V Komogortsev,
Abstract要約: 本研究の目的は,最先端のDLベースの眼球運動生体計測システムにおいて,同じ関係が認められるかどうかを判断することである。生体特性の変動を生じる眼球追跡信号の品質の様々な側面を操り、その結果の時間的持続性と相互相関を関連づける。
参考スコア（独自算出の注目度）: 4.199844472131922
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: What qualities make a feature useful for biometric performance? In prior research, pre-dating the advent of deep learning (DL) approaches to biometric analysis, a strong relationship between temporal persistence, as indexed by the intraclass correlation coefficient (ICC), and biometric performance (Equal Error Rate, EER) was noted. More generally, the claim was made that good biometric performance resulted from a relatively large set of weakly intercorrelated features with high ICC. The present study aimed to determine whether the same relationships are found in a state-of-the-art DL-based eye movement biometric system (``Eye-Know-You-Too''), as applied to two publicly available eye movement datasets. To this end, we manipulate various aspects of eye-tracking signal quality, which produces variation in biometric performance, and relate that performance to the temporal persistence and intercorrelation of the resulting embeddings. Data quality indices were related to EER with either linear or logarithmic fits, and the resulting model R^2 was noted. As a general matter, we found that temporal persistence was an important predictor of DL-based biometric performance, and also that DL-learned embeddings were generally weakly intercorrelated.
Abstract（参考訳）: バイオメトリックのパフォーマンスに有用な特徴は何だろうか? 先行研究では, 階層内相関係数(ICC)による時間的持続性(時間的持続性)とバイオメトリック性能(等誤差率, EER)との強い関係を, 深層学習(DL)によるバイオメトリック分析へのアプローチの出現を予知した。より一般的には、優れた生体計測性能は、ICCの高い弱い相互関連特徴のセットが比較的大きいことから生じるという主張がなされた。本研究の目的は,2つの公用眼球運動データセットに適用した,最先端のDLベースの眼球運動生体計測システム(Eye-Know-You-Too'')において,同じ関係が認められるかどうかを検討することである。この目的のために,生体特性の変動を生み出す眼球追跡信号品質の様々な側面を操作し,その性能を時間的持続性と,その結果の埋め込みの相互相関に関連付ける。データ品質指標は線形あるいは対数的適合のEERと関係があり、その結果のモデルR^2が注目された。総じて, 経時的持続性はDLベースの生体計測性能の重要な予測因子であり, また, DL学習による埋め込みは一般的に相関が弱いことが判明した。

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。