論文の概要: The 2nd International StepUP Competition for Biometric Footstep Recognition: From Steps to Strides

• arxiv url: http://arxiv.org/abs/2607.13905v1
• Date: Wed, 15 Jul 2026 14:46:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.802986
• Title: The 2nd International StepUP Competition for Biometric Footstep Recognition: From Steps to Strides
• Title（参考訳）: バイオメトリックフットステップ認識のための第2回国際ステップUPコンペティション:ステップからストライドへ
• Abstract要約: 国際StepUPコンペティションシリーズは、圧力に基づく足踏みバイオメトリックスの研究を進めるために開始された。 第2回大会では,(1)入場データに制限のある利用者の注意をそらすこと,(2)履物や歩行速度の堅牢性に起因する領域変動に対処すること,(3)左右の足跡を効果的に融合すること,の3つの課題に対処した。
• 参考スコア（独自算出の注目度）: 2.947038688451675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The International StepUP Competition Series was launched to advance research in pressure-based footstep biometrics through a standardized and challenging evaluation framework. Using the large-scale StepUP-P150 dataset (with more than 200,000 high-resolution dynamic footsteps from 150 individuals) and a previously unreleased test set, the 2nd edition of the competition addressed three key challenges: (1) generalization to unseen users with limited enrollment data, (2) robustness to domain shift caused by variations in footwear and walking speed and (3) effective fusion of paired left-right footsteps. While the first two challenges built on the inaugural competition, this edition introduced more extreme cross-domain conditions and moved beyond isolated footsteps to stride-level verification, enabling new opportunities for representation learning and inter-step information fusion. The competition attracted 26 registrants from academia and industry, with a best equal error rate of 8.00% achieved by the ArogyaPandit Research Team using a spatiotemporal CNN combined with an ensemble-based scoring strategy. The top solutions showcase the value of harnessing temporal patterns and of incorporating inference-time normalization and calibration strategies to improve scoring. However, the results also reveal that recognizing users in unseen personal footwear remains a challenge, especially in the presence of distractors with similar characteristics.
• Abstract（参考訳）: 国際StepUPコンペティションシリーズは、標準化され挑戦的な評価フレームワークを通じて圧力ベースの足跡バイオメトリックスの研究を進めるために開始された。 大規模なStepUP-P150データセット(150人以上の高解像度のダイナミックフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフットフット。 最初の2つの課題は、最初のコンペで作られたが、このエディションは、より極端なクロスドメイン条件を導入し、独立したステップを超えてレベル検証を進め、表現学習とステップ間情報融合の新しい機会を可能にした。 この競技会は、学界と業界から26人の登録者を惹きつけ、アロギヤパンディット・リサーチ・チーム(ArogyaPandit Research Team)は、時空間CNNとアンサンブルベースのスコアリング戦略を組み合わせて8.00%の誤差率を達成した。 トップのソリューションは、時間的パターンを活用することの価値を示し、スコアリングを改善するために推論時正規化とキャリブレーション戦略を取り入れている。 しかし、この結果からは、特に同様の特徴を持つ気晴らし者の存在下では、目立たないパーソナル・フットウェアの利用者の認識は依然として課題であることが明らかとなった。

関連論文リスト

• The Third Competition on Document Forgery Detection on ID-Cards and Passports [14.042684745723513]
  第3回IDカードとパスポートの文書偽造検出に関する国際コンペティション textitIncodeは、$AV_Rank$の27.82%を獲得し、メトリクス間で一貫したパフォーマンスを確認する。 その結果,PADの有効性は高い精度と多様な攻撃タイプや撮像条件の整合性を必要とすることが示された。
  論文  参考訳（メタデータ） (2026-07-17T08:13:46Z)
• First International StepUP Competition for Biometric Footstep Recognition: Methods, Results and Remaining Challenges [1.2679045974443117]
  バイオメトリックフットステップ認識のための第1回国際ステップUPコンペティションが開催された。 競合相手はStepUP-P150データセットを使用して堅牢な認識モデルを開発することを任務としていた。 トップパフォーマンスのチームであるSeeid_UCCは10.77%の誤差率(EER)を達成した。 全体としては、競争は強力なソリューションを示したが、馴染みの無い履物に一般化する上での永続的な課題は、将来の作業にとって重要な領域を浮き彫りにした。
  論文  参考訳（メタデータ） (2026-02-11T17:53:46Z)
• Human Identification at a Distance: Challenges, Methods and Results on the Competition HID 2025 [70.29305328364755]
  距離における人間の識別に関する国際コンペティション(HID)は、2020年から毎年開催されている。 最高の性能の手法は94.2%の精度に達し、このデータセットに新しいベンチマークが設定された。 我々は重要な技術動向を分析し、将来の歩行認識研究の可能性について概説する。
  論文  参考訳（メタデータ） (2026-02-07T14:22:17Z)
• Competitive Programming with Large Reasoning Models [73.7455809592467]
  大規模言語モデル(LLM)に適用した強化学習は、複雑なコーディングや推論タスクの性能を大幅に向上させることを示す。 OpenAI o1 と初期チェックポイント o3 の2つの汎用推論モデルとドメイン固有のシステム o1-ioi を比較した。 以上の結果から,o1-ioiなどの特殊なパイプラインでは,手作りの推論に頼らずに,スケールアップされた汎用o3モデルがこれらの結果を上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-03T23:00:15Z)
• CodeElo: Benchmarking Competition-level Code Generation of LLMs with Human-comparable Elo Ratings [70.95565672516979]
  LiveCodeBenchやUSACOといった既存のベンチマークは、プライベートテストケースの可用性の欠如、特別な審査員のサポートの欠如、不整合実行環境のために不足している。 CodeEloは標準化された競合レベルのコード生成ベンチマークで、これらすべての課題に初めて効果的に対処する。
  論文  参考訳（メタデータ） (2025-01-02T13:49:00Z)
• Analysing Affective Behavior in the second ABAW2 Competition [70.86998050535944]
  ABAW2 2021コンペティションは、IEEE FG 2020-コンペティションと共同で開催された最初の非常に成功したABAWコンペティションに続く第2回である。
  論文  参考訳（メタデータ） (2021-06-14T11:30:19Z)
• The MineRL 2020 Competition on Sample Efficient Reinforcement Learning using Human Priors [62.9301667732188]
  我々は,MineRLコンペティションの第2イテレーションを提案する。 競争の主な目標は、人間のデモンストレーションを効率的に活用できるアルゴリズムの開発を促進することです。 コンペティションは、データセットと環境のペアバージョンが複数提供される2ラウンドで構成されている。 各ラウンドの終わりに、競合他社はコンテナ化された学習アルゴリズムをaicrowdプラットフォームに提出する。
  論文  参考訳（メタデータ） (2021-01-26T20:32:30Z)
• CVPR 2020 Continual Learning in Computer Vision Competition: Approaches, Results, Current Challenges and Future Directions [25.791936837340877]
  2020年にCVPRで行われた最初の連続学習コンピュータビジョンチャレンジは、異なる連続学習アルゴリズムを評価する最初の機会の1つである。 優勝チームは79チーム以上、ファイナリストは11チーム、賞金は2300ドルだった。
  論文  参考訳（メタデータ） (2020-09-14T08:53:05Z)
• Analysing Affective Behavior in the First ABAW 2020 Competition [49.90617840789334]
  ABAW(Affective Behavior Analysis in-the-Wild) 2020コンペティションは、3つの主要な行動タスクの自動分析を目的とした最初のコンペティションである。 アルゼンチンのブエノスアイレスで2020年5月に開催されたIEEE Face and Gesture Recognitionと共同で開催されるこのコンペティションについて説明する。 評価指標を概説し,ベースラインシステムとトップ3の実施するチームの方法論をチャレンジ毎に提示し,その結果を最終的に提示する。
  論文  参考訳（メタデータ） (2020-01-30T15:41:14Z)

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。