論文の概要: The Third Competition on Document Forgery Detection on ID-Cards and Passports

• arxiv url: http://arxiv.org/abs/2607.15734v1
• Date: Fri, 17 Jul 2026 08:13:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.791325
• Title: The Third Competition on Document Forgery Detection on ID-Cards and Passports
• Title（参考訳）: IDカードとパスポートの文書偽造検出に関する第3回コンペティション
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 14.042684745723513
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a comprehensive analysis of the results from the Third International Competition on Document Forgery Detection on ID-Cards and Passports, which was held across two distinct tracks. Track 1 evaluates a synthetic-data-based ID-PAD system under controlled but diverse conditions, where the winning team, \textit{Incode}, achieves an $AV_{Rank}$ of 27.82%, confirming consistent performance across metrics and highlighting the importance of a balanced, generalizable design. In Track 2, the challenge intensifies with heterogeneous attack scenarios across different domains, where \textit{Incode} again achieved the top position with an $AV_{Rank}$ of 68.71% across thresholds, outperforming some baselines and established methods. These results demonstrate that PAD effectiveness requires not only high accuracy but also consistency across diverse attack types and imaging conditions. The success of this initiative across both tracks underscores the value of collaboration between companies and academic teams. This year, more than \textit{63 teams} were registered, and more than \textit{100 submission models} were evaluated. This competition has evolved into a leading benchmark state-of-the-art in PAD on ID documents, setting the standard for performance, reproducibility, and real-world applicability in secure identity verification.
• Abstract（参考訳）: 本稿では,IDカードとパスポートの文書偽造検出に関する第3回国際コンペティションの結果を総合的に分析する。 トラック1は、制御されているが多様な条件下で合成データに基づくID-PADシステムを評価し、勝利したチームである \textit{Incode} は、$AV_{Rank}$ 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し、バランスよく一般化可能な設計の重要性を強調している。 Track 2では、さまざまなドメインにわたる異種攻撃のシナリオが強化され、そこでは \textit{Incode} が再び$AV_{Rank}$68.71%の閾値でトップの地位を獲得し、いくつかのベースラインと確立されたメソッドを上回っている。 これらの結果は、PADの有効性は高い精度だけでなく、多様な攻撃タイプや撮像条件の整合性も必要であることを示している。 このイニシアティブの成功は、両トラックとも、企業と学術チーム間のコラボレーションの価値を強調しています。 今年は \textit{63 チームが登録され、 \textit{100 の提出モデルが評価された。 このコンペティションは、IDドキュメントにおけるPADの最先端のベンチマークに発展し、パフォーマンス、再現性、およびセキュアなID認証における実世界の適用性に関する標準を設定した。

関連論文リスト

• IDSPACE: A Novel Document Generator for Reliable Evaluation of Digital Identity Verification Systems [Extended Technical Report] [12.27574663758225]
  フラッド検出ツールは広く提供されているが、識別文書は感度が高く、したがって不十分であるため、評価や微調整は難しいままである。 我々は、IDSpaceを導入し、この研究線を3方向に広げる。 まず,視覚的類似性と予測整合性の両方を最大化するために生成パラメータを調整したモデル誘導ベイズ最適化を提案する。 第2に、ユーザが指定したメタデータを自動調整された制御パラメータから切り離し、低レベルの専門知識を使わずに評価を設定する。
  論文  参考訳（メタデータ） (2026-09-02T18:27:09Z)
• Every Eval Ever: A Unifying Schema and Community Repository for AI Evaluation Results [60.31885052073872]
  AI評価結果のための最初の共有スキーマとコミュニティリポジトリであるEvery Eval Everを紹介します。 すべてのEval Everは評価ハーネスや論文から結果を取り込み、詳細な分析のためにインスタンスごとのアウトプットを格納します。
  論文  参考訳（メタデータ） (2026-06-12T14:47:37Z)
• Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
  エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。 Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。 すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
  論文  参考訳（メタデータ） (2026-04-07T17:43:18Z)
• DOCR-Inspector: Fine-Grained and Automated Evaluation of Document Parsing with VLM [35.910677096654574]
  文書解析は、構造化されていないPDF画像を半構造化データに変換することを目的としており、多様な領域における情報のデジタル化と活用を容易にする。 一般的なプラクティスは、しばしば標準ベンチマークで最高のパフォーマンスモデルを選択する。 本稿では,文書解析評価をきめ細かな誤り検出と解析として形式化するDOCR-Inspectorを紹介する。
  論文  参考訳（メタデータ） (2025-12-11T13:16:33Z)
• Jointly Generating and Attributing Answers using Logits of Document-Identifier Tokens [2.5724047391808025]
  本稿では,RAGの回答を共同で生成し,忠実に属性付けする手法であるLoDITを紹介する。 信頼性を重視したテキスト生成ベンチマークであるTrust-Alignの実験では、LoDITがいくつかのメトリクスで最先端モデルよりも大幅に優れていることが示されている。
  論文  参考訳（メタデータ） (2025-08-12T13:50:25Z)
• Second Competition on Presentation Attack Detection on ID Card [12.609487726543774]
  20チームが登録され、74のモデルが提出された。 トラック1では、Dragonsチームが平均ランキングとEERで40.48%、EERが11.44%で1位となった。 トラック2のより困難なアプローチでは、"Incode"チームは14.76%と6.36%のAVランクで最高の結果に達し、それぞれ74.30%と21.87%のEERの第一版の結果を改善した。
  論文  参考訳（メタデータ） (2025-07-27T20:18:52Z)
• Generative Retrieval Meets Multi-Graded Relevance [104.75244721442756]
  GRADed Generative Retrieval (GR$2$)というフレームワークを紹介します。 GR$2$は2つの重要なコンポーネントに焦点を当てている。 マルチグレードとバイナリの関連性を持つデータセットの実験は,GR$2$の有効性を示した。
  論文  参考訳（メタデータ） (2024-09-27T02:55:53Z)
• First Competition on Presentation Attack Detection on ID Card [9.872311870613748]
  バイオメトリックス国際会議(IJCB2024)におけるIDカードの提示検出(PAD-IDCard)に関するコンペティションを要約する。 この競技会には、学業と産業の両方から合計10の登録チームが集まった。 要約すると、「匿名」を選択したチームは74.80%の最高ランキングに達し、続いて77.65%の「IDVC」チームが続いた。
  論文  参考訳（メタデータ） (2024-08-31T07:24:19Z)
• UniTTA: Unified Benchmark and Versatile Framework Towards Realistic Test-Time Adaptation [66.05528698010697]
  Test-Time Adaptationは、テスト中にトレーニング済みのモデルを対象のドメインに適応させることを目的としている。 研究者は様々な挑戦シナリオを特定し、これらの課題に対処するための様々な方法を開発した。 本稿では,包括的かつ広く適用可能な統一テスト時間適応ベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-07-29T15:04:53Z)
• SigScatNet: A Siamese + Scattering based Deep Learning Approach for Signature Forgery Detection and Similarity Assessment [1.474723404975345]
  本稿では,偽造署名の急増に対処する革新的なソリューションであるSigScatNetを紹介する。 Scattering Waveletによって強化されたシームズディープラーニングネットワークは、シグネチャの偽造を検知し、シグネチャ類似性を評価するために使用される。 実験では、SigScatNetは、ICDAR SigCompのオランダのデータセットで3.689%、CEDARのデータセットで0.0578%の非同値のEqual Error Rateが得られる。
  論文  参考訳（メタデータ） (2023-11-09T18:38:46Z)
• Noisy-Correspondence Learning for Text-to-Image Person Re-identification [50.07634676709067]
  本稿では,雑音対応においても頑健な視覚関係を学習するための新しいロバスト二重埋め込み法(RDE)を提案する。 提案手法は,3つのデータセット上での合成ノイズ対応と非合成ノイズ対応を両立させる。
  論文  参考訳（メタデータ） (2023-08-19T05:34:13Z)
• Identity Documents Authentication based on Forgery Detection of Guilloche Pattern [2.606834301724095]
  ギロシェパターンの偽造検出に基づく識別文書の認証モデルを提案する。 認証性能を高めるために、最も適切なパラメータを分析し、識別するために実験を行う。
  論文  参考訳（メタデータ） (2022-06-22T11:37:10Z)
• Long Document Summarization with Top-down and Bottom-up Inference [113.29319668246407]
  本稿では、2つの側面の要約モデルを改善するための原則的推論フレームワークを提案する。 我々のフレームワークは、トップレベルが長距離依存性をキャプチャするドキュメントの階層的な潜在構造を前提としています。 本稿では,様々な要約データセットに対して提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-03-15T01:24:51Z)
• ICDAR 2021 Competition on Components Segmentation Task of Document Photos [63.289361617237944]
  3つの課題タスクが提案され、提供されたデータセット上で異なるセグメンテーションの割り当てが実行される。 収集されたデータはブラジルのいくつかのID文書のもので、その個人情報は便利に交換された。 さまざまなディープラーニングモデルが、各タスクで最高の結果を得るために、さまざまな戦略を持つ参加者によって適用されました。
  論文  参考訳（メタデータ） (2021-06-16T00:49:58Z)
• On Efficient and Robust Metrics for RANSAC Hypotheses and 3D Rigid Registration [51.64236850960365]
  本稿では, 高精度な3次元剛性登録を実現するために, RANSAC仮説の効率的かつ堅牢な評価指標の開発に焦点をあてる。 Inlierとoutlierのコントリビューションを分析し、RANSAC仮説の異なる設計モチベーションを持つ、いくつかの効率的で堅牢なメトリクスを提案する。
  論文  参考訳（メタデータ） (2020-11-10T02:22:45Z)

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。