論文の概要: LocalScore: Local Density-Aware Similarity Scoring for Biometrics

• arxiv url: http://arxiv.org/abs/2602.01012v1
• Date: Sun, 01 Feb 2026 04:37:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.529397
• Title: LocalScore: Local Density-Aware Similarity Scoring for Biometrics
• Title（参考訳）: LocalScore: バイオメトリックスのための局所密度認識類似性検査
• Authors: Yiyang Su, Minchul Kim, Jie Zhu, Christopher Perry, Feng Liu, Anil Jain, Xiaoming Liu,
• Abstract要約: LocalScoreは、k番目の隣人を用いてギャラリー特徴分布の局所密度を組み込むスコアリングアルゴリズムである。 オープンセットの検索と検証において、一貫してかなりの利益を達成している。
• 参考スコア（独自算出の注目度）: 25.280909289087585
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Open-set biometrics faces challenges with probe subjects who may not be enrolled in the gallery, as traditional biometric systems struggle to detect these non-mated probes. Despite the growing prevalence of multi-sample galleries in real-world deployments, most existing methods collapse intra-subject variability into a single global representation, leading to suboptimal decision boundaries and poor open-set robustness. To address this issue, we propose LocalScore, a simple yet effective scoring algorithm that explicitly incorporates the local density of the gallery feature distribution using the k-th nearest neighbors. LocalScore is architecture-agnostic, loss-independent, and incurs negligible computational overhead, making it a plug-and-play solution for existing biometric systems. Extensive experiments across multiple modalities demonstrate that LocalScore consistently achieves substantial gains in open-set retrieval (FNIR@FPIR reduced from 53% to 40%) and verification (TAR@FAR improved from 51% to 74%). We further provide theoretical analysis and empirical validation explaining when and why the method achieves the most significant gains based on dataset characteristics.
• Abstract（参考訳）: オープンセットバイオメトリックスは、ギャラリーに登録されていないかもしれない調査対象者に対して、従来のバイオメトリックシステムはこれらの非修正プローブを検出するのに苦労しているため、課題に直面している。 実世界展開におけるマルチサンプルギャラリーの普及にもかかわらず、既存のほとんどの手法は、オブジェクト内の変数を単一のグローバル表現に分解し、最適以下の決定境界とオープンセットのロバストさを損なう。 この問題に対処するため,我々は,k番目の隣人を用いたギャラリー特徴分布の局所密度を明示的に組み込んだ,単純で効果的なスコアリングアルゴリズムであるLocalScoreを提案する。 LocalScoreはアーキテクチャに依存しない、損失に依存しない、そして無視できる計算オーバーヘッドを引き起こすため、既存の生体認証システムのためのプラグアンドプレイソリューションである。 複数のモードにわたる大規模な実験により、LocalScoreはオープンセット検索(FNIR@FPIRは53%から40%に削減された)と検証(TAR@FARは51%から74%に改善された)において、一貫して実質的なゲインを達成していることが示された。 さらに,本手法がデータセット特性に基づいて最も有意な利益をいつ,なぜ達成したかを説明する理論的解析と実証的検証を行う。

関連論文リスト

• From Global to Local: Cluster-Aware Learning for Wi-Fi Fingerprinting Indoor Localisation [1.3124513975412255]
  本稿では,局所化に先立って指紋データセットを構成するクラスタリング手法を提案する。 指紋は、空間的特徴または無線的特徴を用いてグループ化され、建物やフロアレベルでクラスタリングが適用できる。 本手法の有効性を3つの公開データセットと複数の機械学習モデルを用いて評価する。
  論文  参考訳（メタデータ） (2026-01-09T09:12:40Z)
• Distributed Machine Learning Approach for Low-Latency Localization in Cell-Free Massive MIMO Systems [16.842941544015194]
  低レイテンシのローカライゼーションは、正確な位置決めを必要とするリアルタイムアプリケーションをサポートするために、セルネットワークにおいて重要である。 本研究では, セルレス大規模マルチインプットマルチアウトプット(MIMO)システムに適した指紋位置推定のための分散機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-16T06:05:16Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• Stability and Generalization for Distributed SGDA [70.97400503482353]
  分散SGDAのための安定性に基づく一般化分析フレームワークを提案する。 我々は, 安定性の誤差, 一般化ギャップ, 人口リスクの包括的分析を行う。 理論的結果から,一般化ギャップと最適化誤差のトレードオフが明らかになった。
  論文  参考訳（メタデータ） (2024-11-14T11:16:32Z)
• Learning for Transductive Threshold Calibration in Open-World Recognition [83.35320675679122]
  グラフニューラルネットワークを用いた高剛性と適応性を有するトランスダクティブしきい値キャリブレーション法であるOpenGCNを導入する。 オープンワールドの視覚認識ベンチマークにおける実験は、オープンワールドのしきい値校正のための既存のポストホック校正方法よりもOpenGCNの方が優れていることを検証する。
  論文  参考訳（メタデータ） (2023-05-19T23:52:48Z)
• Far Away in the Deep Space: Dense Nearest-Neighbor-Based Out-of-Distribution Detection [33.78080060234557]
  Nearest-Neighborsアプローチは、オブジェクト中心のデータドメインでうまく機能することが示されている。 近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近
  論文  参考訳（メタデータ） (2022-11-12T13:32:19Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Local Learning Matters: Rethinking Data Heterogeneity in Federated Learning [61.488646649045215]
  フェデレートラーニング(FL)は、クライアントのネットワーク(エッジデバイス)でプライバシ保護、分散ラーニングを行うための有望な戦略である。
  論文  参考訳（メタデータ） (2021-11-28T19:03:39Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• A flexible outlier detector based on a topology given by graph communities [0.0]
  異常検出は機械学習手法と統計的予測モデルの最適性能に不可欠である。 トポロジーは、特徴空間内の互いに隣接する近傍を成す重み付きグラフのコミュニティを用いて計算される。 当社のアプローチは、ローカル戦略とグローバル戦略の両方において、複数のビュー設定と単一ビュー設定で総合的に優れています。
  論文  参考訳（メタデータ） (2020-02-18T18:40:31Z)

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。