論文の概要: Indoor Space Authentication by ISS-based Keypoint Extraction from 3D Point Clouds

• arxiv url: http://arxiv.org/abs/2603.05858v1
• Date: Fri, 06 Mar 2026 03:31:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:44.980442
• Title: Indoor Space Authentication by ISS-based Keypoint Extraction from 3D Point Clouds
• Title（参考訳）: ISSによる3次元点雲からのキーポイント抽出による屋内空間認証
• Authors: Yuki Yamada, Daisuke Kotani, Kota Tsubouchi, Hidehito Gomi, Yasuo Okabe,
• Abstract要約: ISS-RegAuthは、個人部屋のLiDARキャプチャーを比較してユーザを認証する。 キーポイントに基づくスパース表現は,プライバシ保護,エッジデプロイ可能な屋内空間認証を実用的なものにすることができることを示す。
• 参考スコア（独自算出の注目度）: 3.1779558489952957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose ISS-RegAuth, a lightweight indoor space authentication framework that authenticates a user by comparing LiDAR captures of personal rooms. Prior work processes every point in the cloud, where planar surfaces such as walls and floors dominate similarity calculations, causing latency and potential privacy exposure. In contrast, ISS-RegAuth retains only 1-2\% of Intrinsic Shape Signatures (ISS) keypoints, computes their Fast Point Feature Histograms, and performs RANSAC and ICP on this sparse set. On 100 ARKitScenes pairs, this approach reduces the equal-error rate from 0.02 to 0.00, cuts processing time by 20\%, and lowers transmitted data to 2.2\% of the original. These results show that keypoint-based sparse representation can make privacy-preserving, edge-deployable indoor space authentication practical. As an early step, this work opens a path toward device-independent authentication and account-recovery mechanisms that rely on users' physical environments.
• Abstract（参考訳）: ISS-RegAuthは、個人部屋のLiDARキャプチャーを比較し、ユーザを認証する軽量な屋内空間認証フレームワークである。 以前の作業は、壁や床などの平面面が類似性計算を支配し、レイテンシと潜在的なプライバシ露出を引き起こすクラウド上のすべてのポイントを処理します。 対照的に、ISS-RegAuthは固有の形状シグナチャ(ISS)キーポイントのわずか1-2\%しか保持せず、その高速点特徴ヒストグラムを計算し、このスパースセットでRANSACとICPを実行する。 100組のARKitScenesでは、同じエラー率を0.02から0.00に下げ、処理時間を20\%削減し、送信データを元の2.2\%に下げる。 これらの結果から,キーポイントに基づくスパース表現は,プライバシ保護,エッジデプロイ可能な屋内空間認証を実用的なものにすることを示す。 初期のステップとして、この作業は、ユーザの物理的環境に依存するデバイス非依存の認証とアカウント回復メカニズムへの道を開く。

関連論文リスト

• FASA: Frequency-aware Sparse Attention [56.26881872333624]
  本稿では,トークンの重要度を動的に予測することで,クエリ対応のトークン消去を実現する新しいフレームワークであるFASAを提案する。 我々の重要な発見は、小さな「支配的」FCの特定可能なサブセットが、常に注目の頭文字と高い文脈の一致を示すことである。 長いコンテキストのタスクのスペクトル全体にわたって、FASAは全てのトークン放出ベースラインを一貫して上回り、ニアオラクル精度を達成する。
  論文  参考訳（メタデータ） (2026-02-03T06:09:06Z)
• Towards Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups [41.033896572767496]
  ゼロショット一般化を実現するトレーニングフリー登録フレームワークであるBUFFER-Xを提案する。 提案手法は階層型マルチスケールマッチングを用いて,局所,中,大域の受容領域にまたがる対応を抽出する。 効率クリティカルなアプリケーションでは、BUFFER-X-Liteを導入し、総時間を43%削減する。
  論文  参考訳（メタデータ） (2026-01-06T06:51:24Z)
• Privacy Preserved Federated Learning with Attention-Based Aggregation for Biometric Recognition [0.0]
  A3-FLフレームワークはFVC2004指紋データを用いて評価される。 A3-FLフレームワークの精度、収束速度、堅牢性は標準FL(FedAvg)や静的ベースラインよりも優れている。
  論文  参考訳（メタデータ） (2025-10-01T16:58:59Z)
• CubistMerge: Spatial-Preserving Token Merging For Diverse ViT Backbones [0.7448254811651417]
  ViTのバックボーンは、ウィンドウアテンション、SAMの相対的な位置埋め込み、DINOv3のRoPEといった空間設計を採用している。 本稿では,空間的整合性を維持し,空間的アーキテクチャとのシームレスな整合性を実現するための,シンプルで効果的なトークンマージ手法を提案する。 提案手法では, (i) 構成されたトークン配置を強制するための2次元削減戦略, (ii) 相対的なトークン位置を維持する空間認識型マージアルゴリズム, (iii) 新規な最大値/次元トークン表現を用いる。
  論文  参考訳（メタデータ） (2025-09-26T01:59:29Z)
• ZORRO: Zero-Knowledge Robustness and Privacy for Split Learning (Full Version) [58.595691399741646]
  Split Learning(SL)は、リソース制約のあるクライアントがディープニューラルネットワーク(DNN)を協調的にトレーニングすることを可能にする分散学習アプローチである。 このセットアップにより、SLはデータを共有せずにサーバの能力を活用することができ、機密データを扱うリソース制約のある環境で非常に効果的になる。 我々は、プライベートで検証可能な、堅牢なSL防御スキームであるZORROを提示する。
  論文  参考訳（メタデータ） (2025-09-11T18:44:09Z)
• Semantic Concentration for Self-Supervised Dense Representations Learning [103.10708947415092]
  イメージレベルの自己教師型学習(SSL)は大きな進歩を遂げているが、パッチの密度の高い表現を学ぶことは依然として難しい。 この研究は、画像レベルのSSLが暗黙のセマンティックな集中を伴って過分散を避けることを明らかにしている。
  論文  参考訳（メタデータ） (2025-09-11T13:12:10Z)
• EmbodiedPlace: Learning Mixture-of-Features with Embodied Constraints for Visual Place Recognition [9.75969669445091]
  視覚的位置認識(VPR)は、コンピュータビジョンにおけるシーン指向の画像検索問題である。 そこで本稿では,Mixture-of-Features (MoF) アプローチを具体的制約下で適用することにより,グローバルな特徴を洗練する,新しい簡易なリグレード手法を提案する。
  論文  参考訳（メタデータ） (2025-06-16T06:40:12Z)
• Parameter-Efficient Fine-Tuning in Spectral Domain for Point Cloud Learning [49.91297276176978]
  我々は,ポイントクラウドのための新しい固有textbfPointGST (textbfGraph textbfSpectral textbfTuning) 法を提案する。 ポイントGSTは事前訓練されたモデルを凍結し、スペクトル領域の微調整パラメータのための軽量で訓練可能なポイントクラウドスペクトルアダプタ(PCSA)を導入する。 さまざまなタスクにわたる挑戦的なポイントクラウドデータセットの実験では、ポイントGSTが完全に微調整されたデータセットを上回るだけでなく、トレーニング可能なパラメータも大幅に削減されていることが示されている。
  論文  参考訳（メタデータ） (2024-10-10T17:00:04Z)
• Unsupervised Inference of Signed Distance Functions from Single Sparse Point Clouds without Learning Priors [54.966603013209685]
  3次元点雲から符号付き距離関数(SDF)を推測することは不可欠である。 単一スパース点雲から直接SDFを推定するニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-25T15:56:50Z)

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。