論文の概要: Second Competition on Presentation Attack Detection on ID Card

• arxiv url: http://arxiv.org/abs/2507.20404v1
• Date: Sun, 27 Jul 2025 20:18:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:57.568337
• Title: Second 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2回コンペティション
• Authors: Juan E. Tapia, Mario Nieto, Juan M. Espin, Alvaro S. Rocamora, Javier Barrachina, Naser Damer, Christoph Busch, Marija Ivanovska, Leon Todorov, Renat Khizbullin, Lazar Lazarevich, Aleksei Grishin, Daniel Schulz, Sebastian Gonzalez, Amir Mohammadi, Ketan Kotwal, Sebastien Marcel, Raghavendra Mudgalgundurao, Kiran Raja, Patrick Schuch, Sushrut Patwardhan, Raghavendra Ramachandra, Pedro Couto Pereira, Joao Ribeiro Pinto, Mariana Xavier, Andrés Valenzuela, Rodrigo Lara, Borut Batagelj, Marko Peterlin, Peter Peer, Ajnas Muhammed, Diogo Nunes, Nuno Gonçalves,
• Abstract要約: 20チームが登録され、74のモデルが提出された。 トラック1では、Dragonsチームが平均ランキングとEERで40.48%、EERが11.44%で1位となった。 トラック2のより困難なアプローチでは、"Incode"チームは14.76%と6.36%のAVランクで最高の結果に達し、それぞれ74.30%と21.87%のEERの第一版の結果を改善した。
• 参考スコア（独自算出の注目度）: 12.609487726543774
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work summarises and reports the results of the second Presentation Attack Detection competition on ID cards. This new version includes new elements compared to the previous one. (1) An automatic evaluation platform was enabled for automatic benchmarking; (2) Two tracks were proposed in order to evaluate algorithms and datasets, respectively; and (3) A new ID card dataset was shared with Track 1 teams to serve as the baseline dataset for the training and optimisation. The Hochschule Darmstadt, Fraunhofer-IGD, and Facephi company jointly organised this challenge. 20 teams were registered, and 74 submitted models were evaluated. For Track 1, the "Dragons" team reached first place with an Average Ranking and Equal Error rate (EER) of AV-Rank of 40.48% and 11.44% EER, respectively. For the more challenging approach in Track 2, the "Incode" team reached the best results with an AV-Rank of 14.76% and 6.36% EER, improving on the results of the first edition of 74.30% and 21.87% EER, respectively. These results suggest that PAD on ID cards is improving, but it is still a challenging problem related to the number of images, especially of bona fide images.
• Abstract（参考訳）: 本研究は,IDカードにおける第2回提示攻撃検出コンペティションの結果を要約し報告する。 この新バージョンには、以前のバージョンと比較して新しい要素が含まれている。 1)自動ベンチマークのための自動評価プラットフォーム,(2)アルゴリズムとデータセットを評価するための2つのトラック,(3)学習と最適化のためのベースラインデータセットとして新しいIDカードデータセットをトラック1チームと共有した。 Hochschule Darmstadt、Fraunhofer-IGD、Facephi社は共同でこの挑戦を組織した。 20チームが登録され、74のモデルが提出された。 トラック1では、Dragonsチームが平均ランキングとEERで40.48%、EERが11.44%で1位となった。 トラック2のより困難なアプローチでは、"Incode"チームは14.76%と6.36%のAVランクで最高の結果に到達し、それぞれ74.30%と21.87%のEERの第一版の結果を改善した。 以上の結果から,IDカード上のPADは改善されていることが示唆されるが,画像数,特にボナフィド画像に関してはまだ難しい問題である。

関連論文リスト

• AIM 2024 Sparse Neural Rendering Challenge: Methods and Results [64.19942455360068]
  本稿では,ECCV 2024と共同で開催されるAIM(Advanceds in Image Manipulation)ワークショップの一部であるスパースニューラルレンダリングの課題についてレビューする。 この課題は、スパース画像から多様なシーンを合成する新しいカメラビューを作ることである。 参加者は、Pak Signal-to-Noise Ratio (PSNR) 測定によって測定された地中真実像に対する客観的忠実度を最適化するよう依頼される。
  論文  参考訳（メタデータ） (2024-09-23T14:17:40Z)
• First Competition on Presentation Attack Detection on ID Card [9.872311870613748]
  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。
  論文  参考訳（メタデータ） (2024-08-31T07:24:19Z)
• NTIRE 2024 Quality Assessment of AI-Generated Content Challenge [141.37864527005226]
  課題は、イメージトラックとビデオトラックに分けられる。 両トラックの勝利法はAIGCの予測性能に優れていた。
  論文  参考訳（メタデータ） (2024-04-25T15:36:18Z)
• The Ninth NTIRE 2024 Efficient Super-Resolution Challenge Report [180.94772271910315]
  本稿は,NTIRE 2024の課題を概観し,効率的な単一画像超解像(ESR)ソリューションに焦点をあてる。 主な目的は、ランタイム、パラメータ、FLOPなどの様々な側面を最適化するネットワークを開発することである。 このチャレンジには262人の登録参加者が参加し、34チームが有効な応募を行った。
  論文  参考訳（メタデータ） (2024-04-16T07:26:20Z)
• 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)
• Improving CNN-based Person Re-identification using score Normalization [2.462953128215087]
  本稿では,CNNに基づく特徴抽出手法とXQDA(Cross-view Quadratic Discriminant Analysis)を組み合わせたPRe-IDを提案する。 提案手法は、VIPeR、GRID、CUHK01、VIPeR、PRID450Sの4つの挑戦的データセットで検証される。
  論文  参考訳（メタデータ） (2023-07-01T18:12:27Z)
• A Tale of HodgeRank and Spectral Method: Target Attack Against Rank Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
  ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。 本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。 提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
  論文  参考訳（メタデータ） (2022-09-13T05:59:02Z)
• NTIRE 2022 Challenge on Perceptual Image Quality Assessment [90.04931572825859]
  画像品質評価(IQA)におけるNTIRE 2022の課題について報告する。 この課題は、知覚画像処理アルゴリズムによるIQAの新たな課題に対処するためである。 当選方法は、最先端の性能を示すことができる。
  論文  参考訳（メタデータ） (2022-06-23T13:36:49Z)
• The 1st Data Science for Pavements Challenge [5.610512429240221]
  Data Science for Pavement Challenge (DSPC)は、舗装条件監視と評価のための自動視覚システムの研究と開発を加速することを目指している。 第1回大会では8カ国22チームが出場した。 論文はトップ5チームからのソリューションを要約している。
  論文  参考訳（メタデータ） (2022-06-10T05:02:31Z)
• An Empirical Study of Vehicle Re-Identification on the AI City Challenge [19.13038665501964]
  Track2は、現実世界のデータと合成データの両方を扱う車両再識別(ReID)タスクである。 主に、この課題におけるトレーニングデータ、教師なしドメイン適応(UDA)トレーニング、後処理、モデルアンサンブルの4点に注目します。 以上の手法により, 最終的に0.7445mAPのスコアが得られた。
  論文  参考訳（メタデータ） (2021-05-20T12:20:52Z)
• Phonemer at WNUT-2020 Task 2: Sequence Classification Using COVID Twitter BERT and Bagging Ensemble Technique based on Plurality Voting [0.0]
  新型コロナウイルス(COVID-19)に関連する英語のつぶやきを自動的に識別するシステムを開発した。 最終アプローチでは0.9037のF1スコアを達成し,F1スコアを評価基準として総合6位にランク付けした。
  論文  参考訳（メタデータ） (2020-10-01T10:54:54Z)

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。