論文の概要: Scalable spatial point process models for forensic footwear analysis

• arxiv url: http://arxiv.org/abs/2602.07006v1
• Date: Fri, 30 Jan 2026 04:30:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 14:54:53.694215
• Title: Scalable spatial point process models for forensic footwear analysis
• Title（参考訳）: 法医学的履物解析のためのスケーラブルな空間点過程モデル
• Authors: Alokesh Manna, Neil Spencer, Dipak K. Dey,
• Abstract要約: 犯罪現場から回収された靴の指紋証拠は、法医学的な調査において重要な役割を担っている。 「調査員がよく使うアプローチは、事故の兆候の印刷物を調べることである。」 したがって、法医学的証拠の強さを正確に測定するためには、パターンの希少性を定量化することが不可欠である。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shoe print evidence recovered from crime scenes plays a key role in forensic investigations. By examining shoe prints, investigators can determine details of the footwear worn by suspects. However, establishing that a suspect's shoes match the make and model of a crime scene print may not be sufficient. Typically, thousands of shoes of the same size, make, and model are manufactured, any of which could be responsible for the print. Accordingly, a popular approach used by investigators is to examine the print for signs of ``accidentals,'' i.e., cuts, scrapes, and other features that accumulate on shoe soles after purchase due to wear. While some patterns of accidentals are common on certain types of shoes, others are highly distinctive, potentially distinguishing the suspect's shoe from all others. Quantifying the rarity of a pattern is thus essential to accurately measuring the strength of forensic evidence. In this study, we address this task by developing a hierarchical Bayesian model. Our improvement over existing methods primarily stems from two advancements. First, we frame our approach in terms of a latent Gaussian model, thus enabling inference to be efficiently scaled to large collections of annotated shoe prints via integrated nested Laplace approximations. Second, we incorporate spatially varying coefficients to model the relationship between shoes' tread patterns and accidental locations. We demonstrate these improvements through superior performance on held-out data, which enhances accuracy and reliability in forensic shoe print analysis.
• Abstract（参考訳）: 犯罪現場から回収された靴の指紋証拠は、法医学的な調査において重要な役割を担っている。 靴の印刷物を調べることで、調査員は容疑者が着用する履物の詳細を判断することができる。 しかし、容疑者の靴が犯罪現場の印刷物の製造とモデルと一致していることは十分ではないかもしれない。 通常、同じ大きさの何千もの靴、製造、モデルが製造され、いずれの靴もプリントに責任を負う。 したがって、研究者がよく使うアプローチは「事故」の兆候、すなわち、靴の靴底に詰め込んだカット、スクラップ、その他の特徴の印刷物を調べることである。 いくつかの事故パターンは特定の種類の靴に共通するが、他のパターンは非常に特徴的で、容疑者の靴と他の靴を区別する可能性がある。 したがって、法医学的証拠の強さを正確に測定するためには、パターンの希少性を定量化することが不可欠である。 本研究では,階層型ベイズモデルを開発することにより,この問題に対処する。 既存の方法に対する我々の改善は主に2つの進歩に起因している。 まず,本手法を潜在ガウスモデルを用いて定式化することにより,ネストしたLaplace近似を用いて,注釈付きプリントの大規模なコレクションに推論を効率よくスケールすることができる。 第2に,靴のトレッドパターンと偶然の位置の関係をモデル化するために,空間的に異なる係数を組み込んだ。 我々は,これらの改善を,法医学的な靴の印刷解析における精度と信頼性を高めた保持データ上での優れた性能により実証する。

関連論文リスト

• SeedPrints: Fingerprints Can Even Tell Which Seed Your Large Language Model Was Trained From [65.75182441010327]
  我々は,LDMフィンガープリントのより強く,より本質的な概念であるSeedPrintsを提案する。 トレーニングされていないモデルでは,パラメータのみに依存した再現可能なトークン選択バイアスが示される。 LLaMAスタイルとQwenスタイルのモデルの実験では、SeedPrintsはシードレベルの識別性を実現し、バイオメトリック指紋に似た生来からライフサイクルの識別認証を提供する。
  論文  参考訳（メタデータ） (2025-09-30T15:34:08Z)
• Causal Estimation of Memorisation Profiles [58.20086589761273]
  言語モデルにおける記憶の理解は、実践的および社会的意味を持つ。 覚書化(英: Memorisation)とは、モデルがそのインスタンスを予測できる能力に対して、あるインスタンスでトレーニングを行うことによる因果的影響である。 本稿では,計量学の差分差分設計に基づく,新しい,原理的,効率的な記憶推定法を提案する。
  論文  参考訳（メタデータ） (2024-06-06T17:59:09Z)
• CriSp: Leveraging Tread Depth Maps for Enhanced Crime-Scene Shoeprint Matching [8.153893958726117]
  ショットプリントは、犯罪現場で見られる一般的なタイプの証拠であり、法医学的な調査で定期的に使用される。 既存の手法では、靴データベースにノイズや隠蔽された犯罪現場の靴紋をマッチングするために、ディープラーニングを効果的に活用することはできない。 このデータに基づいて,犯罪現場の靴のプリントと深度マップのトレッドマッチングを行うCriSpを提案する。 CriSpは、このタスクに適した自動靴形マッチングと画像検索の両方において、最先端の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2024-04-25T18:50:26Z)
• ShoeModel: Learning to Wear on the User-specified Shoes via Diffusion Model [60.60623356092564]
  そこで本研究では,靴に作用するヒトの足の可塑性画像を生成するための靴装用システムShoe-Modelを提案する。 ベースラインと比較して、私たちのShoeModelは、異なるタイプの靴よりも一般化され、与えられた靴のID一貫性を維持することができる。
  論文  参考訳（メタデータ） (2024-04-07T06:56:51Z)
• Improving and Evaluating Machine Learning Methods for Forensic Shoeprint Matching [0.2509487459755192]
  法医学的な靴紋パターンマッチングのための機械学習パイプラインを提案する。 エッジ検出による2次元画像から2次元座標を抽出し, 反復的最近点(ICP)と整列する。 次に、類似度指標を抽出し、2つの印刷物がどれだけうまく一致しているかを定量化し、これらの指標を用いてランダムな森林を訓練する。
  論文  参考訳（メタデータ） (2024-04-02T15:24:25Z)
• Model Pairing Using Embedding Translation for Backdoor Attack Detection on Open-Set Classification Tasks [63.269788236474234]
  バックドア検出のためのオープンセット分類タスクにモデルペアを用いることを提案する。 このスコアは、異なるアーキテクチャのモデルがあるにもかかわらず、バックドアの存在を示す指標であることを示している。 この技術は、オープンセット分類タスク用に設計されたモデル上のバックドアの検出を可能にするが、文献ではほとんど研究されていない。
  論文  参考訳（メタデータ） (2024-02-28T21:29:16Z)
• FBI: Fingerprinting models with Benign Inputs [17.323638042215013]
  本稿では,モデルファミリとその変種の概念を一般化することにより,モデルの大幅な修正に耐性のある指紋認証方式を提案する。 我々は、修正されていない画像である良性入力が、両方のタスクに十分な材料であることを実証することによって、両方の目標を達成する。 どちらのアプローチも、かつてない1000以上のネットワークに対して実験的に検証されている。
  論文  参考訳（メタデータ） (2022-08-05T13:55:36Z)
• ShoeRinsics: Shoeprint Prediction for Forensics with Intrinsic Decomposition [29.408442567550004]
  オンライン小売業者が収集した靴のトレッド写真を活用することを提案する。 我々は,1枚のトレッド写真から本質的な画像分解を行うモデルを開発した。 ShoeRinsicsと呼ばれる我々のアプローチは、完全に教師付き合成データと教師なしの小売画像データの組み合わせを活用するために、ドメイン適応と再レンダリング損失を組み合わせたものです。
  論文  参考訳（メタデータ） (2022-05-04T23:42:55Z)

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。