論文の概要: Plug to Place: Indoor Multimedia Geolocation from Electrical Sockets for Digital Investigation

• arxiv url: http://arxiv.org/abs/2512.16620v1
• Date: Thu, 18 Dec 2025 14:59:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.110362
• Title: Plug to Place: Indoor Multimedia Geolocation from Electrical Sockets for Digital Investigation
• Title（参考訳）: プラグ・トゥ・プレース:デジタル調査のための電気ソケットを用いた屋内マルチメディア測位
• Authors: Kanwal Aftab, Graham Adams, Mark Scanlon,
• Abstract要約: 本稿では,電気ソケットを一貫した屋内マーカーとして用いるパイプラインを提案する。 データ不足に対処するため、2つの専用データセットが作成された: 2,328の注釈付きイメージのソケット検出データセットは、拡張によって4,072に拡張され、12のプラグインソケットクラスにまたがる3,187のイメージの分類データセットである。 このフレームワークは、現実世界のデジタル法医学的応用に向けた実践的なステップを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer vision is a rapidly evolving field, giving rise to powerful new tools and techniques in digital forensic investigation, and shows great promise for novel digital forensic applications. One such application, indoor multimedia geolocation, has the potential to become a crucial aid for law enforcement in the fight against human trafficking, child exploitation, and other serious crimes. While outdoor multimedia geolocation has been widely explored, its indoor counterpart remains underdeveloped due to challenges such as similar room layouts, frequent renovations, visual ambiguity, indoor lighting variability, unreliable GPS signals, and limited datasets in sensitive domains. This paper introduces a pipeline that uses electric sockets as consistent indoor markers for geolocation, since plug socket types are standardised by country or region. The three-stage deep learning pipeline detects plug sockets (YOLOv11, mAP@0.5 = 0.843), classifies them into one of 12 plug socket types (Xception, accuracy = 0.912), and maps the detected socket types to countries (accuracy = 0.96 at >90% threshold confidence). To address data scarcity, two dedicated datasets were created: socket detection dataset of 2,328 annotated images expanded to 4,072 through augmentation, and a classification dataset of 3,187 images across 12 plug socket classes. The pipeline was evaluated on the Hotels-50K dataset, focusing on the TraffickCam subset of crowd-sourced hotel images, which capture real-world conditions such as poor lighting and amateur angles. This dataset provides a more realistic evaluation than using professional, well-lit, often wide-angle images from travel websites. This framework demonstrates a practical step toward real-world digital forensic applications. The code, trained models, and the data for this paper are available open source.
• Abstract（参考訳）: コンピュータビジョンは急速に発展する分野であり、デジタル法科学研究において強力な新しいツールや技術を生み出し、新しいデジタル法医学応用への大きな期待を示している。 そのような応用の1つ、屋内マルチメディア位置情報は、人身売買、児童虐待、その他の重大犯罪との戦いにおいて、法執行機関にとって重要な支援となる可能性がある。 屋外のマルチメディア測地は広く研究されているが、同様の部屋配置、頻繁な改修、視覚的あいまいさ、室内照明のバラツキ、信頼性の低いGPS信号、機密領域の限られたデータセットなどの課題により、屋内での測地は未発達のままである。 本稿では,プラグソケットのタイプが国や地域によって標準化されているため,電気ソケットを一貫した屋内マーカーとして使用するパイプラインを提案する。 3段階のディープラーニングパイプラインは、プラグソケット(YOLOv11, mAP@0.5 = 0.843)を検出し、それらを12種類のプラグソケットタイプのうちの1つ(Xception, accuracy = 0.912)に分類し、検出されたソケットタイプを国にマップする(精度 = 0.96 at 90% threshold confidence)。 データ不足に対処するため、2つの専用データセットが作成された: 2,328の注釈付きイメージのソケット検出データセットは、拡張によって4,072に拡張され、12のプラグインソケットクラスにまたがる3,187のイメージの分類データセットである。 パイプラインはHotels-50Kデータセットで評価され、クラウドソースされたホテル画像のTraffickCamサブセットに焦点を当てた。 このデータセットは、旅行サイトのプロで、よく照らされた、しばしば広角の画像を使用するよりも、より現実的な評価を提供する。 このフレームワークは、現実世界のデジタル法医学的応用に向けた実践的なステップを示す。 コード、トレーニングされたモデル、この論文のデータはオープンソースで公開されている。

関連論文リスト

• RS3DBench: A Comprehensive Benchmark for 3D Spatial Perception in Remote Sensing [71.75704516333394]
  本稿では、RS3DBenchと呼ばれるリモートセンシング画像の3次元理解のためのビジュアルベンチマークを提案する。 このデータセットは、54,951対のリモートセンシング画像とピクセルレベルの一致した深度マップを含んでいる。 安定拡散から導かれるリモートセンシング深度推定モデルを導入し,そのマルチモーダル融合機能を利用する。
  論文  参考訳（メタデータ） (2025-09-23T11:20:51Z)
• MCN-SLAM: Multi-Agent Collaborative Neural SLAM with Hybrid Implicit Neural Scene Representation [51.07118703442774]
  既存のNeRFベースのマルチエージェントSLAMフレームワークは通信帯域幅の制約を満たすことができない。 本稿では,ハイブリッドシーン表現を用いた分散マルチエージェント協調型ニューラルSLAMフレームワークを提案する。 シーン再構成を改善するために, 新規な三面体グリッド共同シーン表現法を提案する。 局所的(単一エージェント)と大域的(複数エージェント)の整合性を実現するために,新しいイントラ・トゥ・インターループ・クロージャ法が設計された。
  論文  参考訳（メタデータ） (2025-06-23T14:22:29Z)
• UniDet3D: Multi-dataset Indoor 3D Object Detection [4.718582862677851]
  簡単な3Dオブジェクト検出モデルです 屋内データセットの混合で訓練され、様々な屋内環境で働くことができる。
  論文  参考訳（メタデータ） (2024-09-06T12:40:19Z)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• Tinto: Multisensor Benchmark for 3D Hyperspectral Point Cloud Segmentation in the Geosciences [9.899276249773425]
  我々は,地質図作成のための深層学習手法の開発と検証を容易にするために設計された,デジタルアウトクロップのベンチマークデータセットであるTintoを提示する。 Tintoは,1)Corta Atalaya(Spain)の実際のデジタルアウトクロップモデル,2)スペクトル特性と地中構造データ,2)原データセットの潜在特徴を用いて地中構造からリアルなスペクトルデータを再構成する合成双生児からなる。 我々はこれらのデータセットを用いて、地質図の自動作成のための異なるディープラーニングアプローチの能力を探索した。
  論文  参考訳（メタデータ） (2023-05-17T03:24:08Z)
• Neural Implicit Dense Semantic SLAM [83.04331351572277]
  本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。 私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。 提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
  論文  参考訳（メタデータ） (2023-04-27T23:03:52Z)
• HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D Images [58.720142291102135]
  本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。 データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
  論文  参考訳（メタデータ） (2022-12-30T12:20:56Z)
• Active Fire Detection in Landsat-8 Imagery: a Large-Scale Dataset and a Deep-Learning Study [1.3764085113103217]
  本稿では,深層学習技術を用いた火災検知のための大規模データセットについて紹介する。 本稿では,様々な畳み込みニューラルネットワークアーキテクチャを用いて手作りアルゴリズムを近似する方法について検討する。 提案されたデータセット、ソースコード、トレーニングされたモデルはGithubで入手できる。
  論文  参考訳（メタデータ） (2021-01-09T19:05:03Z)
• A Nearest Neighbor Network to Extract Digital Terrain Models from 3D Point Clouds [1.6249267147413524]
  本稿では,3Dポイントのクラウド上で動作し,エンド・ツー・エンドのアプローチを用いてシーンの基盤となるDTMを推定するアルゴリズムを提案する。 我々のモデルは近隣情報を学習し、これをポイントワイドでブロックワイドなグローバルな特徴とシームレスに統合する。
  論文  参考訳（メタデータ） (2020-05-21T15:54:55Z)

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。