論文の概要: First Competition on Presentation Attack Detection on ID Card
- arxiv url: http://arxiv.org/abs/2409.00372v1
- Date: Sat, 31 Aug 2024 07:24:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 15:08:42.488409
- Title: First Competition on Presentation Attack Detection on ID Card
- Title（参考訳）: IDカードの提示攻撃検出に関する第1回コンペティション
- Authors: Juan E. Tapia, Naser Damer, Christoph Busch, Juan M. Espin, Javier Barrachina, Alvaro S. Rocamora, Kristof Ocvirk, Leon Alessio, Borut Batagelj, Sushrut Patwardhan, Raghavendra Ramachandra, Raghavendra Mudgalgundurao, Kiran Raja, Daniel Schulz, Carlos Aravena,
- Abstract要約: バイオメトリックス国際会議(IJCB2024)におけるIDカードの提示検出(PAD-IDCard)に関するコンペティションを要約する。
この競技会には、学業と産業の両方から合計10の登録チームが集まった。
要約すると、「匿名」を選択したチームは74.80%の最高ランキングに達し、続いて77.65%の「IDVC」チームが続いた。
- 参考スコア（独自算出の注目度）: 9.872311870613748
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper summarises the Competition on Presentation Attack Detection on ID Cards (PAD-IDCard) held at the 2024 International Joint Conference on Biometrics (IJCB2024). The competition attracted a total of ten registered teams, both from academia and industry. In the end, the participating teams submitted five valid submissions, with eight models to be evaluated by the organisers. The competition presented an independent assessment of current state-of-the-art algorithms. Today, no independent evaluation on cross-dataset is available; therefore, this work determined the state-of-the-art on ID cards. To reach this goal, a sequestered test set and baseline algorithms were used to evaluate and compare all the proposals. The sequestered test dataset contains ID cards from four different countries. In summary, a team that chose to be "Anonymous" reached the best average ranking results of 74.80%, followed very closely by the "IDVC" team with 77.65%.
- Abstract（参考訳）: 本稿では,2024年国際バイオメトリックス会議(IJCB2024)で開催されているPAD-IDCard(PAD-IDCard)の提示攻撃検出コンペティションについて要約する。
この競技会には、学業と産業の両方から合計10の登録チームが集まった。
結局、参加チームは5つの有効な申請書を提出し、8つのモデルが組織によって評価されることになった。
このコンペティションは、現在最先端のアルゴリズムを独立して評価した。
現在、クロスデータセットに関する独立した評価は行われておらず、この研究はIDカードの最先端を決定づけている。
この目標を達成するために、全ての提案を評価し比較するために、セカンダリングされたテストセットとベースラインアルゴリズムが使用された。
隔離されたテストデータセットには、4カ国のIDカードが含まれている。
要約すると、「匿名」を選択したチームは74.80%の最高ランキングに達し、続いて77.65%の「IDVC」チームが続いた。
関連論文リスト
- Unified Physical-Digital Attack Detection Challenge [70.67222784932528]
Face Anti-Spoofing (FAS) は、顔認識(FR)システムを保護するために重要である。
UniAttackDataは、Unified Detectionのための最大の公開データセットである。
我々は,一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元
論文 参考訳（メタデータ） (2024-04-09T11:00:11Z) - SynFacePAD 2023: Competition on Face Presentation Attack Detection Based
on Privacy-aware Synthetic Training Data [51.42380508231581]
バイオメトリックス国際会議(IJCB 2023)におけるプライバシ・アウェア・シンセティック・トレーニングデータ(SynFacePAD 2023)に基づく顔提示攻撃検出コンペティションの概要を述べる。
このコンペティションは、個人データに関連するプライバシー、法的、倫理的懸念に動機づけられた、合成ベースのトレーニングデータを考慮して、顔の提示攻撃を検出するソリューションを動機付け、誘致することを目的としている。
提案されたソリューションはイノベーションと新しいアプローチを示し、調査されたベンチマークで考慮されたベースラインを上回りました。
論文 参考訳（メタデータ） (2023-11-09T13:02:04Z) - EFaR 2023: Efficient Face Recognition Competition [51.77649060180531]
バイオメトリックス国際会議(IJCB 2023)における効率的な顔認識コンペティション(EFaR)の概要について述べる。
この競技会は6つの異なるチームから17の応募を受けた。
提案したソリューションは、様々なベンチマークで達成された検証精度の重み付けスコアと、浮動小数点演算数とモデルサイズによって与えられるデプロイ可能性に基づいてランク付けされる。
論文 参考訳（メタデータ） (2023-08-08T09:58:22Z) - ICDAR 2023 Competition on Hierarchical Text Detection and Recognition [60.68100769639923]
このコンペティションは、テキストの検出と認識を共同で行うディープラーニングモデルとシステムの研究を促進することを目的としている。
提案するコンペティション組織の詳細について,タスク,データセット,評価,スケジュールなどを紹介する。
大会期間中(2023年1月2日から2023年4月1日まで)、20チーム以上から少なくとも50人が提案された2つのタスクで応募された。
論文 参考訳（メタデータ） (2023-05-16T18:56:12Z) - Biomedical image analysis competitions: The state of current
participation practice [143.52578599912326]
我々は,バイオメディカルイメージング分析の特定の分野におけるアルゴリズム開発の現状を明らかにするための調査を設計した。
この調査は、参加者の専門知識と作業環境、選択した戦略、およびアルゴリズムの特徴をカバーした。
全体として、すべてのソリューションの94%はディープラーニングベースのものだ。そのうち84%は標準アーキテクチャに基づいていた。
論文 参考訳（メタデータ） (2022-12-16T16:44:46Z) - Crowdsensing-based Road Damage Detection Challenge (CRDDC-2022) [0.0]
本稿では,IEEE International Conference on Big Data'2022の一部として組織されたビッグデータカップである,クラウドセンシングに基づく道路被害検出チャレンジ(CRDDC)を要約する。
このデータは、インド、日本、チェコ、ノルウェー、米国、中国から収集された47,420枚の道路画像で構成されている。
この大会に登録された19カ国の60チーム以上が、上記の6カ国の未確認テスト画像のパフォーマンスに基づいて、5つのリーダーボードを用いて評価した。
論文 参考訳（メタデータ） (2022-11-21T11:29:21Z) - SYN-MAD 2022: Competition on Face Morphing Attack Detection Based on
Privacy-aware Synthetic Training Data [8.020790315170853]
バイオメトリックス国際会議(IJCB 2022)におけるプライバシ・アウェア・シンセティック・トレーニングデータ(SYN-MAD)に基づく顔モフティング攻撃検出コンペティションの概要を述べる。
この大会には、学界と産業の両方から合計12の参加チームが参加し、11カ国で開催されている。
最終的に7つの有効な申請が参加チームによって提出され、主催者によって評価された。
論文 参考訳（メタデータ） (2022-08-15T17:06:55Z) - OCFR 2022: Competition on Occluded Face Recognition From Synthetically
Generated Structure-Aware Occlusions [11.360543538677916]
IJCB-OCFR-2022(IJCB-OCFR-2022)は、生体認証に関する国際合同会議(IJCB 2022)によって採択された。
このコンペティションは、厳しい顔のオクルージョンの存在下での顔認識の課題に対処するために開催された。
この競合の主な成果は、明確に定義された評価プロトコルを備えた、挑戦的で、現実的で、多様で、公開されていない顔認識ベンチマークである。
論文 参考訳（メタデータ） (2022-08-04T16:39:08Z) - DeeperForensics Challenge 2020 on Real-World Face Forgery Detection:
Methods and Results [144.5252578415748]
本稿では,現実世界の顔偽造検出に関するDeeperForensics Challenge 2020の手法と結果について報告する。
この挑戦はdeepforensics-1.0データセットを採用し、6万のビデオを合計1760万フレームで構成する。
115人の参加者が参加し、25のチームが有効な応募を行った。
論文 参考訳（メタデータ） (2021-02-18T16:48:57Z) - Global Road Damage Detection: State-of-the-art Solutions [0.0]
本稿では,2020年のIEEE International Conference on Big Dataの一部として組織されたビッグデータカップであるGlobal Road damage Detection Challenge(GRDDC)を要約する。
このデータは、インド、日本、チェコ共和国から収集された26336枚の道路画像から成り、道路損傷を自動的に検出する方法を提案する。
論文は、提示された課題と将来の課題で改善される可能性のある課題に対して、うまく機能するファセットのレビューで締めくくっている。
論文 参考訳（メタデータ） (2020-11-17T16:19:02Z)
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。