論文の概要: MuDD: A Multimodal Deception Detection Dataset and GSR-Guided Progressive Distillation for Non-Contact Deception Detection

• arxiv url: http://arxiv.org/abs/2603.26064v1
• Date: Fri, 27 Mar 2026 04:11:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.351237
• Title: MuDD: A Multimodal Deception Detection Dataset and GSR-Guided Progressive Distillation for Non-Contact Deception Detection
• Title（参考訳）: MuDD:非接触型偽造検出のためのマルチモーダル・デセプション・データセットとGSR誘導プログレッシブ蒸留
• Authors: Peiyuan Jiang, Yao Liu, Yanglei Gan, Jiaye Yang, Lu Liu, Daibing Yao, Qiao Liu,
• Abstract要約: ガルバニック皮膚反応(GSR)は、より信頼性の高い生理的手がかりを提供し、接触型偽造検出に広く用いられている。 690分間に130人の参加者の録音を含む大規模マルチモーダル・ディセプション・データセットである MuDD を紹介する。 本稿では,GSR-Guided Progressive Distillation (GPD)を提案する。
• 参考スコア（独自算出の注目度）: 9.996819182588007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-contact automatic deception detection remains challenging because visual and auditory deception cues often lack stable cross-subject patterns. In contrast, galvanic skin response (GSR) provides more reliable physiological cues and has been widely used in contact-based deception detection. In this work, we leverage stable deception-related knowledge in GSR to guide representation learning in non-contact modalities through cross-modal knowledge distillation. A key obstacle, however, is the lack of a suitable dataset for this setting. To address this, we introduce MuDD, a large-scale Multimodal Deception Detection dataset containing recordings from 130 participants over 690 minutes. In addition to video, audio, and GSR, MuDD also provides Photoplethysmography, heart rate, and personality traits, supporting broader scientific studies of deception. Based on this dataset, we propose GSR-guided Progressive Distillation (GPD), a cross-modal distillation framework for mitigating the negative transfer caused by the large modality mismatch between GSR and non-contact signals. The core innovation of GPD is the integration of progressive feature-level and digit-level distillation with dynamic routing, which allows the model to adaptively determine how teacher knowledge should be transferred during training, leading to more stable cross-modal knowledge transfer. Extensive experiments and visualizations show that GPD outperforms existing methods and achieves state-of-the-art performance on both deception detection and concealed-digit identification.
• Abstract（参考訳）: 非接触型自動偽装検出は、視覚的および聴覚的偽装がしばしば安定なクロスオブジェクトパターンを欠いているため、依然として困難である。 対照的に、ガルバニック皮膚反応(GSR)はより信頼性の高い生理的手がかりを提供し、接触型偽造検出に広く用いられている。 本研究では,GSRにおける安定な偽装関連知識を活用し,クロスモーダルな知識蒸留による非接触モーダルの表現学習を指導する。 しかし、重要な障害は、この設定に適したデータセットがないことである。 そこで本研究では,130人の参加者による690分以上の録音を含む大規模マルチモーダル・デシージャ検出データセットである MuDD について紹介する。 ビデオ、オーディオ、GSRに加えて、MDDは光胸腺撮影、心拍数、性格特性も提供し、詐欺に関するより広範な科学的研究を支援している。 本データセットに基づいて,GSR-Guided Progressive Distillation (GPD) を提案する。これは,GSRと非接触信号間の大きなモダリティミスマッチに起因する負の移動を緩和するクロスモーダル蒸留フレームワークである。 GPDの中核となる革新は、プログレッシブな特徴レベルとディジットレベルの蒸留と動的ルーティングの統合であり、モデルがトレーニング中に教師の知識をどのように伝達するかを適応的に決定し、より安定したクロスモーダルな知識伝達をもたらす。 広汎な実験と可視化により、GPDは既存の手法より優れており、偽造検出と隠蔽デジタル識別の両方において最先端のパフォーマンスを達成している。

関連論文リスト

• Transformer-Based Indirect Structural Health Monitoring of Rail Infrastructure with Attention-Driven Detection and Localization of Transient Defects [1.1782896991259]
  我々は,段階的に複雑な課題に対してモデルロバスト性を評価するために,漸進的な合成データベンチマークを導入する。 提案するアテンション・フォーカス変換器とともに,複数の教師なしモデルを評価する。 提案モデルでは,提案手法の精度は最先端の解に匹敵するが,推論速度は向上する。
  論文  参考訳（メタデータ） (2025-10-08T23:01:53Z)
• Robust Pseudo-label Learning with Neighbor Relation for Unsupervised Visible-Infrared Person Re-Identification [33.50249784731248]
  UVI-ReID (unsupervised Visible-Infrared Person Re-identification) は、視覚的および赤外線モダリティにまたがる歩行者像をアノテーションなしでマッチングすることを目的としている。 近年、擬似ラベル法はUSVI-ReIDにおいて主流となっているが、擬似ラベル法固有のノイズは大きな障害となる。 我々は,雑音の多い擬似ラベルを補正するRPNRフレームワークを設計する。 SYSU-MM01とRegDBの2つの広く知られているベンチマークで実施された総合的な実験は、RPNRが現在最先端のGURを平均で上回っていることを実証している。
  論文  参考訳（メタデータ） (2024-05-09T08:17:06Z)
• Combating Concept Drift with Explanatory Detection and Adaptation for Android Malware Classification [17.399454244765842]
  DREAMはドリフトの検出を改善し、説明適応プロセスを確立する新しいシステムである。 評価の結果,DREAMはドリフト検出精度を効果的に向上し,適応における専門家分析の労力を削減できることがわかった。
  論文  参考訳（メタデータ） (2024-05-07T07:55:45Z)
• DDSB: An Unsupervised and Training-free Method for Phase Detection in Echocardiography [37.32413956117856]
  本研究では,End-Diastolic (ED) フレームとEnd-Systolic (ES) フレームを識別するための教師なしおよびトレーニング不要な手法を提案する。 アンカー点の同定と方向変形解析により,初期セグメンテーション画像の精度への依存性を効果的に低減する。 本手法は,学習モデルと同等の精度を,関連する欠点を伴わずに達成する。
  論文  参考訳（メタデータ） (2024-03-19T14:51:01Z)
• Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
  本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。 GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。 室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
  論文  参考訳（メタデータ） (2023-07-27T01:53:57Z)
• Transformer-based Self-supervised Multimodal Representation Learning for Wearable Emotion Recognition [2.4364387374267427]
  ウェアラブル感情認識のための新しい自己教師型学習(SSL)フレームワークを提案する。 本手法は様々な感情分類タスクにおいて最先端の結果を得た。
  論文  参考訳（メタデータ） (2023-03-29T19:45:55Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
  本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
  論文  参考訳（メタデータ） (2020-09-01T03:38:31Z)
• Dynamic Dual-Attentive Aggregation Learning for Visible-Infrared Person Re-Identification [208.1227090864602]
  Visible-infrared person re-identification (VI-ReID) は、歩行者検索の課題である。 既存のVI-ReID法は、識別可能性に制限があり、ノイズの多い画像に対して弱いロバスト性を持つグローバル表現を学習する傾向にある。 そこで我々は,VI-ReIDのための動的二段階集合(DDAG)学習法を提案する。
  論文  参考訳（メタデータ） (2020-07-18T03:08:13Z)

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。