論文の概要: EERLoss: A Novel Loss Function for Training Deep Biometric Models. A Case Study in Keystroke Dynamics
- arxiv url: http://arxiv.org/abs/2606.24586v1
- Date: Tue, 23 Jun 2026 13:47:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:16:48.972745
- Title: EERLoss: A Novel Loss Function for Training Deep Biometric Models. A Case Study in Keystroke Dynamics
- Title（参考訳）: EERLoss: 深部バイオメトリックモデルのトレーニングのための新しい損失関数 : キーストロークダイナミクスのケーススタディ
- Authors: Nahuel Gonzalez, Marta Robledo-Moreno, Ivan DeAndres-Tame, Ruben Vera-Rodriguez, Ruben Tolosana,
- Abstract要約: 本稿ではEERLossについて紹介する: 偏微分可能で、任意の精度でEERに近似し、深部バイオメトリックモデルのトレーニングを行う。
EERLossは要求される振る舞いのバイオメトリック・モダリティに基づいて評価される:キーストロークダイナミックス検証。
大規模なKVC-onGoingベンチマークで実験が行われ、185,000人以上の被験者のデータが組み込まれている。
- 参考スコア（独自算出の注目度）: 6.150574406751438
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Deep learning approaches to biometric verification are commonly trained by optimizing indirect objectives, creating a misalignment between the optimization process and the primary evaluation metric, typically the Equal Error Rate (EER). This paper introduces EERLoss: a subdifferentiable, arbitrarily accurate approximation to EER for training deep biometric models. Furthermore, this framework has the potential to be adapted to optimize any specific operating point on the DET curve, enhancing its generalizability. To validate this approach, EERLoss is evaluated on a particularly demanding behavioral biometric modality: keystroke dynamics verification. This task is characterized by its high intra-class and low inter-class variability. Experiments are conducted on the large-scale KVC-onGoing benchmark, incorporating data from over 185,000 subjects across different scenarios. A comprehensive ablation study initially demonstrates the superiority of EERLoss in comparison to existing state-of-the-art loss functions. It also converges substantially faster compared to other losses, reducing the overall training cost. Additionally, a comparison is made between the proposed loss and the KVC-winning architecture by re-training it with EERLoss, demonstrating that the proposed approach significantly outperforms the original SoTA, achieving a relative EER reduction of up to approx. 30\%. This improvement on a challenging, large-scale benchmark validates the effectiveness of EERLoss as a task-aligned training objective specifically suited for high-variance biometric traits.
- Abstract（参考訳）: 生体認証に対する深層学習のアプローチは、間接的な目的を最適化し、最適化プロセスと一次評価指標(典型的には等誤差率(EER))の誤調整を作成することで、一般的に訓練される。
本稿ではEERLossについて紹介する: 偏微分可能で、任意の精度でEERに近似し、深部バイオメトリックモデルのトレーニングを行う。
さらに、このフレームワークは、DET曲線上の特定の操作点を最適化するために適応できる可能性があり、その一般化性を高めている。
このアプローチを検証するために、EERLossは特に要求される振る舞いのバイオメトリック・モダリティ、すなわちキーストロークダイナミクスの検証に基づいて評価される。
このタスクは、高いクラス内および低いクラス間変動によって特徴づけられる。
大規模なKVC-onGoingベンチマークで実験が行われ、さまざまなシナリオに185,000人以上の被験者のデータが組み込まれている。
包括的アブレーション研究は、EERLossが既存の最先端の損失関数と比較して優れていることを示した。
また、他の損失と比べてかなり早く収束し、全体のトレーニングコストを削減します。
さらに,提案手法をEERLossで再学習することで,提案した損失とKVC勝利アーキテクチャの比較を行い,提案手法が元のSoTAよりも大幅に優れており,相対的なEER削減を実現していることを示した。
30 %。
大規模なベンチマークによるこの改善は、高分散バイオメトリック特性に特に適しているタスク整合トレーニング目的として、EERLossの有効性を検証する。
関連論文リスト
- SimReg: Achieving Higher Performance in the Pretraining via Embedding Similarity Regularization [55.63565289584336]
SimRegは埋め込み類似性正規化損失であり、各シーケンス内で同じ基幹ラベルを持つトークン表現をより類似させる。
分析の結果, この機構は多分類マージンを増大させ, より効率的な分類を可能にした。
論文 参考訳（メタデータ） (2026-05-09T08:59:13Z) - ECI: Effective Contrastive Information to Evaluate Hard-Negatives [0.3674670871245149]
ECI: 効果的なコントラスト情報は、情報理論と情報検索の原則に基づくメトリクスである。
我々は,BM25,クロスエンコーダ,および大規模言語モデルを用いてマイニングまたは生成した強負集合のECIを評価する。
論文 参考訳（メタデータ） (2026-03-22T00:21:05Z) - Adapting Multimodal Foundation Models for Few-Shot Learning: A Comprehensive Study on Contrastive Captioners [1.2461503242570642]
本稿では,コントラシティブ・キャピタ(CoCa)視覚バックボーンを用いた画像分類手法を提案する。
強いデータ拡張は、低ショット環境での線形探索の性能を低下させるが、LoRA微調整の安定化には不可欠である。
また,Supervised Contrastive (SupCon) の損失を組み込んだハイブリッド目的が,標準的なクロスエントロピーよりも一貫した性能向上をもたらすことを示す。
論文 参考訳（メタデータ） (2025-12-14T20:13:21Z) - Exploring Structural Degradation in Dense Representations for Self-supervised Learning [84.52554180480037]
自己教師付き学習(SSL)における直感的な現象を観察する。
我々は、この現象を自己教師付きDense Degradation(SDD)と呼び、16の最先端SSLメソッドに一貫した存在を示す。
本稿では,クラス関連尺度と有効次元尺度からなるDense Expression Structure Estimator (DSE)を紹介する。
論文 参考訳（メタデータ） (2025-10-20T08:40:16Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z) - ALoRE: Efficient Visual Adaptation via Aggregating Low Rank Experts [71.91042186338163]
ALoREは、Kroneckerによって構築された超複素パラメータ化空間をAggregate Low Rank Expertsに再利用する新しいPETL法である。
巧妙な設計のおかげで、ALoREは無視できる余分なパラメータを保持し、凍ったバックボーンに強制的にマージできる。
論文 参考訳（メタデータ） (2024-12-11T12:31:30Z) - Fine-tuning -- a Transfer Learning approach [0.22344294014777952]
電子健康記録(EHR)の欠落は、この貴重な資源に欠落するデータが豊富にあるため、しばしば妨げられる。
既存の深い計算手法は、計算処理とダウンストリーム解析の両方を組み込んだエンドツーエンドのパイプラインに依存している。
本稿では,モジュール型深層学習型計算・分類パイプラインの開発について検討する。
論文 参考訳（メタデータ） (2024-11-06T14:18:23Z) - Towards Robust Out-of-Distribution Generalization: Data Augmentation and Neural Architecture Search Approaches [4.577842191730992]
我々は、ディープラーニングのための堅牢なOoD一般化への道を探る。
まず,認識に必須でない特徴間の素早い相関を解消するための,新しい効果的なアプローチを提案する。
次に,OoDシナリオにおけるニューラルアーキテクチャ探索の強化問題について検討する。
論文 参考訳（メタデータ） (2024-10-25T20:50:32Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z)
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。