論文の概要: First International StepUP Competition for Biometric Footstep Recognition: Methods, Results and Remaining Challenges
- arxiv url: http://arxiv.org/abs/2602.11086v1
- Date: Wed, 11 Feb 2026 17:53:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-12 21:44:02.271585
- Title: First International StepUP Competition for Biometric Footstep Recognition: Methods, Results and Remaining Challenges
- Title（参考訳）: バイオメトリックフットステップ認識のための第1回国際ステップアップコンペティション:方法,結果と課題
- Authors: Robyn Larracy, Eve MacDonald, Angkoon Phinyomark, Saeid Rezaei, Mahdi Laghaei, Ali Hajighasem, Aaron Tabor, Erik Scheme,
- Abstract要約: バイオメトリックフットステップ認識のための第1回国際ステップUPコンペティションが開催された。
競合相手はStepUP-P150データセットを使用して堅牢な認識モデルを開発することを任務としていた。
トップパフォーマンスのチームであるSeeid_UCCは10.77%の誤差率(EER)を達成した。
全体としては、競争は強力なソリューションを示したが、馴染みの無い履物に一般化する上での永続的な課題は、将来の作業にとって重要な領域を浮き彫りにした。
- 参考スコア（独自算出の注目度）: 1.2679045974443117
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biometric footstep recognition, based on a person's unique pressure patterns under their feet during walking, is an emerging field with growing applications in security and safety. However, progress in this area has been limited by the lack of large, diverse datasets necessary to address critical challenges such as generalization to new users and robustness to shifts in factors like footwear or walking speed. The recent release of the UNB StepUP-P150 dataset, the largest and most comprehensive collection of high-resolution footstep pressure recordings to date, opens new opportunities for addressing these challenges through deep learning. To mark this milestone, the First International StepUP Competition for Biometric Footstep Recognition was launched. Competitors were tasked with developing robust recognition models using the StepUP-P150 dataset that were then evaluated on a separate, dedicated test set designed to assess verification performance under challenging variations, given limited and relatively homogeneous reference data. The competition attracted global participation, with 23 registered teams from academia and industry. The top-performing team, Saeid_UCC, achieved the best equal error rate (EER) of 10.77% using a generative reward machine (GRM) optimization strategy. Overall, the competition showcased strong solutions, but persistent challenges in generalizing to unfamiliar footwear highlight a critical area for future work.
- Abstract（参考訳）: 歩行中の足の下の独特な圧力パターンに基づく生体計測足跡認識は、セキュリティと安全性の応用が増加している新興分野である。
しかし、この領域の進歩は、新しいユーザへの一般化や、履物や歩行速度などの要因の変化に対する堅牢性といった重要な課題に対処するために必要な、大規模で多様なデータセットの欠如によって制限されている。
UNB StepUP-P150データセットは、これまでで最大かつ最も包括的な高解像度のステッププレッシャー記録のコレクションであり、ディープラーニングを通じてこれらの課題に対処する新たな機会を開く。
このマイルストーンを達成すべく、バイオメトリックフットステップ認識のための第1回国際ステップUPコンペティションが開催された。
競合者はStepUP-P150データセットを使用して堅牢な認識モデルを開発することを任務とし、そのデータセットは、制限された比較的均質な参照データから、挑戦的なバリエーションの下で検証性能を評価するために設計された、独立した専用のテストセットで評価された。
この競技会は世界規模で参加し、23の登録チームがアカデミアと産業から参加した。
トップパフォーマンスのSaeid_UCCは、生成報酬機(GRM)最適化戦略を使用して10.77%の最高等速(EER)を達成した。
全体としては、競争は強力なソリューションを示したが、馴染みの無い履物に一般化する上での永続的な課題は、将来の作業にとって重要な領域を浮き彫りにした。
関連論文リスト
- Human Identification at a Distance: Challenges, Methods and Results on the Competition HID 2025 [70.29305328364755]
距離における人間の識別に関する国際コンペティション(HID)は、2020年から毎年開催されている。
最高の性能の手法は94.2%の精度に達し、このデータセットに新しいベンチマークが設定された。
我々は重要な技術動向を分析し、将来の歩行認識研究の可能性について概説する。
論文 参考訳（メタデータ） (2026-02-07T14:22:17Z) - SVC 2025: the First Multimodal Deception Detection Challenge [16.070848946361696]
SVC 2025 Multimodal Deception Detection Challengeは、音声・視覚的偽装検出におけるクロスドメインの一般化を評価するために設計された新しいベンチマークである。
我々は,より適応し,説明し,実践的に展開可能な偽造検知システムの開発を促進することを目的としている。
論文 参考訳（メタデータ） (2025-08-06T06:56:39Z) - Toward Generalizable Evaluation in the LLM Era: A Survey Beyond Benchmarks [229.73714829399802]
この調査は、大規模言語モデルの台頭が評価に役立っている中核的な課題を調査する。
i) タスク固有のものから能力に基づく評価へと、知識、推論、指示に従うこと、マルチモーダル理解、安全性といったコア能力に関するベンチマークを再編成する。
この問題と、上記の2つのトランジションの中核的な課題を、メソッド、データセット、評価器、メトリクスの観点から検討する。
論文 参考訳（メタデータ） (2025-04-26T07:48:52Z) - 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) - Benchmarking Robustness and Generalization in Multi-Agent Systems: A
Case Study on Neural MMO [50.58083807719749]
IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。
この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。
環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
論文 参考訳（メタデータ） (2023-08-30T07:16:11Z) - The MineRL 2020 Competition on Sample Efficient Reinforcement Learning
using Human Priors [62.9301667732188]
我々は,MineRLコンペティションの第2イテレーションを提案する。
競争の主な目標は、人間のデモンストレーションを効率的に活用できるアルゴリズムの開発を促進することです。
コンペティションは、データセットと環境のペアバージョンが複数提供される2ラウンドで構成されている。
各ラウンドの終わりに、競合他社はコンテナ化された学習アルゴリズムをaicrowdプラットフォームに提出する。
論文 参考訳（メタデータ） (2021-01-26T20:32:30Z) - CVPR 2020 Continual Learning in Computer Vision Competition: Approaches,
Results, Current Challenges and Future Directions [25.791936837340877]
2020年にCVPRで行われた最初の連続学習コンピュータビジョンチャレンジは、異なる連続学習アルゴリズムを評価する最初の機会の1つである。
優勝チームは79チーム以上、ファイナリストは11チーム、賞金は2300ドルだった。
論文 参考訳（メタデータ） (2020-09-14T08:53:05Z) - Analysing Affective Behavior in the First ABAW 2020 Competition [49.90617840789334]
ABAW(Affective Behavior Analysis in-the-Wild) 2020コンペティションは、3つの主要な行動タスクの自動分析を目的とした最初のコンペティションである。
アルゼンチンのブエノスアイレスで2020年5月に開催されたIEEE Face and Gesture Recognitionと共同で開催されるこのコンペティションについて説明する。
評価指標を概説し,ベースラインシステムとトップ3の実施するチームの方法論をチャレンジ毎に提示し,その結果を最終的に提示する。
論文 参考訳（メタデータ） (2020-01-30T15:41:14Z)
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。