論文の概要: Deep Learning for Virtual Reality User Identification: A Benchmark

• arxiv url: http://arxiv.org/abs/2604.16341v1
• Date: Sat, 14 Mar 2026 16:46:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:13.90811
• Title: Deep Learning for Virtual Reality User Identification: A Benchmark
• Title（参考訳）: バーチャルリアリティーユーザー識別のためのディープラーニング:ベンチマーク
• Authors: Davide Frizzo, Fabrizio Genilotti, David Petrovic, Arianna Stropeni, Francesco Borsatti, Davide Dalle Pezze, Riccardo De Monte, Manuel Barusco, Gian Antonio Susto,
• Abstract要約: VRヘッドセットとコントローラーのモーショントラッキングデータが、強力な行動バイオメトリックとして登場した。 We benchmark user identification performance across the large-scale Who is Alyx VR dataset, collect data from 71 users playing the Half-Life:Alyx game。
• 参考スコア（独自算出の注目度）: 9.6228936029107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Virtual Reality (VR) applications require robust user identification systems to ensure secure access to equipment and protect worker identities. Motion tracking data from VR headsets and controllers has emerged as a powerful behavioral biometric, with recent studies demonstrating identification accuracies exceeding 94% across a large user base. However, the application of modern deep learning architectures, particularly State Space Models (SSM), to VR scenarios remains largely unexplored. In this work, we benchmark user identification performance across the large-scale Who is Alyx VR dataset, gathering data from 71 users playing the popular Half-Life:Alyx game. We evaluate both established architectures (Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), Convolutional Neural Network (CNN), Temporal Convolutional Network (TCN), Transformer) and the emerging SSMs on time series motion data. Our results provide the first comprehensive benchmark of state-of-the-art and novel architectures for VR user identification, establishing baseline performance metrics for future privacy preserving authentication systems in manufacturing environments.
• Abstract（参考訳）: バーチャルリアリティ(VR)アプリケーションは、機器への安全なアクセスと作業者のアイデンティティを保護するために、堅牢なユーザ識別システムを必要とする。 VRヘッドセットとコントローラーのモーショントラッキングデータは、強力な行動バイオメトリックとして現れ、最近の研究では、大きなユーザーベースで94%を超える識別精度が実証されている。 しかし、現代のディープラーニングアーキテクチャ、特にステートスペースモデル(SSM)のVRシナリオへの応用については、まだほとんど未検討である。 本研究では,大規模なWho is Alyx VRデータセットのユーザ識別性能をベンチマークし,人気ゲームであるHalf-Life:Alyxをプレイする71名のユーザからデータを収集する。 我々は、時系列モーションデータに基づいて、確立されたアーキテクチャ(Long Short-Term Memory (LSTM)、Gated Recurrent Unit (GRU)、Convolutional Neural Network (CNN)、Temporal Convolutional Network (TCN)、Transformer)、および新興SSMの両方を評価する。 本研究は,VRユーザ識別のための最新かつ新しいアーキテクチャの総合ベンチマークとして,将来のプライバシ保護認証システムのためのベースライン性能指標を確立することを目的としたものである。

関連論文リスト

• VLNVerse: A Benchmark for Vision-Language Navigation with Versatile, Embodied, Realistic Simulation and Evaluation [61.82502719679122]
  本稿では,Versatile, Embodied, Realistic Simulation, EvaluationのベンチマークであるVLNVerseを紹介する。 VLNVerseは、スケーラブルでフルスタックのAI問題としてVLNを再定義する。 ベンチマーク内の全てのタスクに対処できる新しいマルチタスクモデルを提案する。
  論文  参考訳（メタデータ） (2025-12-22T04:27:26Z)
• ROVR-Open-Dataset: A Large-Scale Depth Dataset for Autonomous Driving [62.9051914830949]
  実世界の運転の複雑さを捉えるために設計された,大規模で多様で費用効率のよい深度データセットであるROVRを提案する。 軽量な取得パイプラインは、スケーラブルなコレクションを保証すると同時に、統計的に十分な基礎的真実は堅牢なトレーニングをサポートする。 最先端の単分子深度モデルによるベンチマークでは、厳密なクロスデータセットの一般化失敗が示される。
  論文  参考訳（メタデータ） (2025-08-19T16:13:49Z)
• Evaluating the long-term viability of eye-tracking for continuous authentication in virtual reality [0.8192907805418583]
  本研究では,バーチャルリアリティ(VR)環境における連続的認証のための行動バイオメトリクスとしての視線追跡の長期的実現可能性について検討した。 提案手法では,Transformer,DenseNet,XGBoostの3つのアーキテクチャを,短期・長期のデータに基づいて評価し,ユーザ識別タスクの有効性を判定する。 最初の結果は、TransformerモデルとDenseNetモデルの両方が、短期設定で最大97%の精度を達成することを示している。 26ヶ月後に収集されたデータでテストしたところ、モデルの精度は大幅に低下し、いくつかのタスクでは1.78%まで低下した。
  論文  参考訳（メタデータ） (2025-02-27T18:32:13Z)
• I Know What You Did Last Summer: Identifying VR User Activity Through VR Network Traffic [2.0257616108612373]
  VRアプリケーションのセキュリティとプライバシに関する懸念と、それらがユーザに与える影響に関する懸念が持ち上がっている。 我々はMeta Quest Proヘッドセット上で動作する25のVRアプリケーションからネットワークトラフィックデータを収集し、生成されたネットワークトラフィックの特徴を特定する。 以上の結果から,MLモデルを用いて,92.4%の精度で使用されているVRアプリケーションと,91%の精度で実施されているVRユーザアクティビティを識別できることが示唆された。
  論文  参考訳（メタデータ） (2025-01-25T19:58:29Z)
• Deep Motion Masking for Secure, Usable, and Scalable Real-Time Anonymization of Virtual Reality Motion Data [49.68609500290361]
  最近の研究では、ほぼすべてのVRアプリケーションで使われているモーショントラッキングの「テレメトリ」データが、指紋スキャンと同じくらいに識別可能であることが示されている。 本稿では、既知の防御対策を確実に回避できる最先端のVR識別モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-09T01:34:22Z)
• Unique Identification of 50,000+ Virtual Reality Users from Head & Hand Motion Data [58.27542320038834]
  多数のリアルVRユーザーが頭と手の動きだけで複数のセッションで一意かつ確実に識別できることを示す。 個人あたり5分のデータで分類モデルをトレーニングした後、ユーザーは100秒の動作から94.33%の精度で50,000以上のプール全体で一意に識別することができる。 この研究は、バイオメカニクスがVRのユニークな識別子として機能しうる範囲を、顔認証や指紋認識などの広く使われている生体認証と同等に真に示す最初のものである。
  論文  参考訳（メタデータ） (2023-02-17T15:05:18Z)
• Comparison of Data Representations and Machine Learning Architectures for User Identification on Arbitrary Motion Sequences [8.967985264567217]
  本稿では,頭部と手の動きの任意のシーケンスに基づいて,異なる機械学習手法を用いてユーザを識別する。 すべてのコードを公開して、将来の作業のベースラインを提供しています。 このモデルは、150秒以内の精度で、34人の被験者のどれかを正確に識別する。
  論文  参考訳（メタデータ） (2022-10-02T14:12:10Z)
• MAPLE-X: Latency Prediction with Explicit Microprocessor Prior Knowledge [87.41163540910854]
  ディープニューラルネットワーク(DNN)レイテンシのキャラクタリゼーションは、時間を要するプロセスである。 ハードウェアデバイスの事前知識とDNNアーキテクチャのレイテンシを具体化し,MAPLEを拡張したMAPLE-Xを提案する。
  論文  参考訳（メタデータ） (2022-05-25T11:08:20Z)
• Towards Scale Consistent Monocular Visual Odometry by Learning from the Virtual World [83.36195426897768]
  仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。 まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。 結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
  論文  参考訳（メタデータ） (2022-03-11T01:51:54Z)

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。