論文の概要: DriveFace: A Cross-Spectral Through-Glass Face Dataset for On-the-Move Vehicular Border Control
- arxiv url: http://arxiv.org/abs/2607.13515v2
- Date: Thu, 23 Jul 2026 09:58:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 14:12:06.719806
- Title: DriveFace: A Cross-Spectral Through-Glass Face Dataset for On-the-Move Vehicular Border Control
- Title（参考訳）: DriveFace: 眼球運動境界制御のためのクロススペクトルガラス面データセット
- Abstract要約: 我々は,スマートフォンによる事前学習データと組み合わせたNIR車両横断ビデオを含む,境界制御シナリオにおける移動体顔認識のためのデータセットを提案する。
最先端モデルによるベースライン評価は、現実的な条件下での明確な性能制限を示し、フィールドを前進させる専用の方法の必要性を強調している。
- 参考スコア（独自算出の注目度）: 8.364479783566168
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The continuous growth in cross-border mobility places increasing pressure on existing border control infrastructures, motivating on-the-move biometric authentication, in which travellers are identified directly inside their vehicles at checkpoints. Face recognition is well-suited to this setting, as it can be acquired passively and at a distance. Its development, however, is hindered by the lack of representative datasets: existing benchmarks are collected in controlled environments and do not capture the challenges inherent to vehicular acquisition, including motion blur, variable illumination, occlusions, and cross-spectral enrollment. To address this gap, we introduce a dataset for on-the-move face recognition in border-control scenarios, comprising NIR vehicle-crossing videos paired with smartphone-based pre-enrollment data. Baseline evaluations with state-of-the-art models show clear performance limitations under these realistic conditions, highlighting the need for dedicated methods to advance the field.
- Abstract（参考訳）: 国境を越えたモビリティの継続的な成長は、既存の国境管理インフラへの圧力を増大させ、移動中の生体認証を動機付け、車内でチェックポイントで旅行者が直接識別する。
顔認識はこの設定に適しており、受動的に遠くに取得することができる。
既存のベンチマークは制御された環境で収集され、モーションボケ、可変照明、オクルージョン、クロススペクトルの登録など、車体獲得に固有の課題を捉えない。
このギャップに対処するために、スマートフォンベースの事前学習データと組み合わせたNIR車両横断ビデオを含む境界制御シナリオで、移動中の顔認識のためのデータセットを導入する。
最先端モデルによるベースライン評価は、これらの現実的な条件下での明確な性能制限を示し、フィールドを前進させる専用の方法の必要性を強調している。
関連論文リスト
- Multi-Modal Traffic Sign Detection with Semantic Attributes for Autonomous Driving [36.63134402686799]
視覚に基づく手法は、国間での多様性の高さによる地域間一般化の低さ、長距離での小さな物体検出における劣化性能、車両が標識に近づくと生じる強い非線形の視点歪みの下での脆弱な時間的追跡の3つの基本的な限界に直面している。
Intensity-Aware Deformable Fusionモジュールは、反射反射型LiDARキューとカメラの特徴を一致させ、領域固有の視覚的外観ではなく幾何学的不変量をアンカーするマルチモーダル検出フレームワークを提案する。
60以上の国にまたがるデータセットと2500時間以上の運転データに対する大規模な評価は、提案したパイプラインがオブジェクトミス比(Object Miss Ratio)を達成したことを示している。
論文 参考訳（メタデータ） (2026-08-21T08:51:39Z) - Privacy-Preserving Dataset Curation for Kuala Lumpur Urban Traffic: Grounded Vision-Language Detection with Spatial Vehicle-Context Filtering [0.0]
2FPSのモバイルサイクリングプラットフォームを用いて,クアラルンプール道路のデータセットに合わせた自動匿名化フレームワークを提案する。
従来のHaarカスケードとYOLOv8がこれらの条件下でどのように失敗するかを文書化し、回転または閉塞されたターゲットを欠いている間に背景要素に偽陽性を発生させる。
1,266フレームの初期評価では、成功率が$sim$95%であることが示され、残る失敗は小さく、大きく、斜め、曖昧な目標に制限されている。
論文 参考訳（メタデータ） (2026-08-12T13:45:23Z) - GaitFace: A Multimodal Dataset for Long-Range Person Identification [29.66459464261199]
GaitFaceは、顔と歩行データを長距離でキャプチャした新しいパブリックデータセットである。
本稿では、顔と歩行データを長距離でキャプチャした新しいパブリックデータセットであるGaitFaceを紹介する。
論文 参考訳（メタデータ） (2026-07-26T08:41:03Z) - Lipschitz Optimization for Formal Verification of Homographies [17.18542831052923]
本稿では,撮影カメラの3次元運動摂動に対するロバスト性に着目したフォーマルな検証手法を提案する。
近年のリプシッツ最適化とピースワイズ連続性に関する研究は、摂動画素値の厳密な線形境界を導出するために拡張可能であることを示す。
これにより、複雑なシミュレーション、代理ネットワーク、明示的な画像形成モデルなしで、射影幾何学変換の最初の公式な検証が可能になる。
論文 参考訳（メタデータ） (2026-05-22T03:37:34Z) - HetroD: A High-Fidelity Drone Dataset and Benchmark for Autonomous Driving in Heterogeneous Traffic [49.31491001465465]
HetroDは、異種環境で自律走行システムを開発するためのデータセットとベンチマークである。
HetroDは、VRU(vulner- able road users)が支配する現実の異種交通のナビゲーティングにおける重要な課題をターゲットにしている。
論文 参考訳（メタデータ） (2026-02-03T12:12:47Z) - ConsisDrive: Identity-Preserving Driving World Models for Video Generation by Instance Mask [65.36169132836518]
ConsisDriveは、インスタンスレベルで時間的一貫性を強制するために設計された、ID保存駆動の世界モデルである。
当社のフレームワークには,インスタンスマインド・アテンションとインスタンスマインド・ロスという,2つの重要なコンポーネントが組み込まれています。
ConsisDriveは最先端の駆動ビデオ生成品質を実現し、nuScenesデータセット上での下流での自律運転タスクを大幅に改善した。
論文 参考訳（メタデータ） (2026-02-03T07:28:44Z) - AVOID: The Adverse Visual Conditions Dataset with Obstacles for Driving Scene Understanding [48.97660297411286]
シミュレーション環境におけるリアルタイム障害物検出のための新しいデータセットであるAVOIDを紹介する。
AVOIDは、様々な天候と時間条件下で捕獲された各経路に沿って、予期せぬ道路障害物からなる。
各画像は、対応するセマンティックマップと深度マップ、生およびセマンティックLiDARデータ、およびウェイポイントと結合される。
論文 参考訳（メタデータ） (2025-12-29T05:34:26Z) - The Outline of Deception: Physical Adversarial Attacks on Traffic Signs Using Edge Patches [6.836569632189732]
本研究は,交通標識分類のためのステルス対応逆パッチ方式TESP-Attackを提案する。
人間の視覚的注意は主に交通標識の中央領域に焦点を当てているという観察に基づいて, エッジアライメントマスクを生成するために, ケースセグメンテーションを採用している。
U-Netジェネレータは敵パッチの作成に利用され、色とテクスチャの制約によって最適化される。
論文 参考訳（メタデータ） (2025-11-30T07:26:07Z) - TransitReID: Transit OD Data Collection with Occlusion-Resistant Dynamic Passenger Re-Identification [1.5119440099674915]
個人レベルおよび閉塞抵抗性旅客再識別のための新しい枠組みであるTransitReIDを提案する。
この作業は、自動トランジットODコレクションのアルゴリズムとシステムレベルの基盤の両方を前進させる。
論文 参考訳（メタデータ） (2025-04-15T02:09:02Z) - 3DTTNet: Multimodal Fusion-Based 3D Traversable Terrain Modeling for Off-Road Environments [10.521569910467072]
オフロード環境は、自動運転車にとって重要な課題である。
本稿では,セマンティックシーンの完了によって,横断可能な領域認識を実現する。
3DTTNetと呼ばれる新しいマルチモーダル手法が提案されている。
論文 参考訳（メタデータ） (2024-12-11T08:36:36Z) - Layout Sequence Prediction From Noisy Mobile Modality [53.49649231056857]
軌道予測は、自律運転やロボット工学などの応用における歩行者運動を理解する上で重要な役割を担っている。
現在の軌道予測モデルは、視覚的モダリティからの長い、完全な、正確に観察されたシーケンスに依存する。
本稿では,物体の障害物や視界外を,完全に視認できる軌跡を持つものと同等に扱う新しいアプローチであるLTrajDiffを提案する。
論文 参考訳（メタデータ） (2023-10-09T20:32:49Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。
我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文 参考訳（メタデータ） (2022-11-15T13:52:41Z)
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。