論文の概要: GaitFace: A Multimodal Dataset for Long-Range Person Identification
- arxiv url: http://arxiv.org/abs/2607.23542v1
- Date: Sun, 26 Jul 2026 08:41:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.145877
- Title: GaitFace: A Multimodal Dataset for Long-Range Person Identification
- Title（参考訳）: GaitFace: 長距離人物識別のためのマルチモーダルデータセット
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 29.66459464261199
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Efficient border control is becoming a significant global challenge, mainly due to severe congestion and extended passenger waiting times. To mitigate these bottlenecks and facilitate passenger flow, biometric technologies are increasingly deployed to streamline identity verification and enhance crossing efficiency. Technical limitations frequently impede biometric identification, particularly in long-range surveillance, where systems must deal with adverse atmospheric conditions and degraded image quality. While high-quality frameworks like BRIAR exist, they are frequently restricted to specific government agencies. This paper introduces GaitFace, a new public dataset that contains face and gait data captured at long distances. To ensure that the research reflects authentic border scenarios, we use Pre-Enrollment data, where a traveler registers via a mobile device, and "In-the-Wild" captures, which records individuals at a distance across multiple viewing angles and different cameras. Benchmarking SOTA face and gait models reveals that current architectures fail under low-resolution and elevated viewpoints despite success with optical assistance. GaitFace exposes these critical vulnerabilities, providing a rigorous public benchmark to drive more robust, unconstrained biometric research.
- Abstract（参考訳）: 効率的な国境管理は、主に激しい混雑と乗客待ち時間の延長のために、重要なグローバルな課題となっている。
これらのボトルネックを緩和し、乗客の移動を促進するため、生体認証技術は、識別認証の合理化と交差効率の向上のためにますます活用されている。
技術的制限はしばしば生体認証を阻害し、特に長距離監視では、システムは大気の悪化や画質の低下に対処しなければならない。
BRIARのような高品質なフレームワークは存在するが、それらは特定の政府機関に限定されることが多い。
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。
本研究は、旅行者がモバイルデバイスを介して登録する事前登録データと、複数の視角と異なるカメラを横切る距離で個人を撮影する「In-the-Wild」キャプチャを利用する。
SOTAの顔と歩行モデルのベンチマークにより、現在のアーキテクチャは光学アシストの成功にもかかわらず、低解像度で高められた視点で失敗することが明らかになった。
GaitFaceはこれらの重要な脆弱性を公開し、より堅牢で制約のないバイオメトリックス研究を促進するための厳格な公開ベンチマークを提供する。
関連論文リスト
- DriveFace: A Cross-Spectral Through-Glass Face Dataset for On-the-Move Vehicular Border Control [8.364479783566168]
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。
論文 参考訳（メタデータ） (2026-07-15T07:11:28Z) - Adversarial Camouflage [9.342851067813521]
textitAdrial Camouflageをユーザのプライバシーを保護するための新しいソリューションとして紹介する。
アルゴリズムは、色、形状、角度によってパラメータ化された低次元パターン空間を定義することから始まる。
複数のアーキテクチャにまたがる認識エラーを最大化し、ブラックボックスシステムに対しても高いクロスモデル転送性を確保する。
論文 参考訳（メタデータ） (2026-03-23T12:00:24Z) - Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。
テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文 参考訳（メタデータ） (2025-08-12T17:19:20Z) - Cross-Branch Orthogonality for Improved Generalization in Face Deepfake Detection [43.2796409299818]
ディープフェイクは法執行機関や一般大衆にとって迷惑になっている。
既存のディープフェイク検出器は、ディープフェイク生成のペースの改善に追随するのに苦労している。
本稿では,粗い空間情報,意味情報,それらの相互作用を活用する新しい戦略を提案する。
論文 参考訳（メタデータ） (2025-05-08T01:49:53Z) - Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。
FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
論文 参考訳（メタデータ） (2025-05-07T17:58:25Z) - Investigating Vulnerabilities of GPS Trip Data to Trajectory-User Linking Attacks [49.1574468325115]
単一旅行からなるGPS旅行データセットにおいて,ユーザ識別子を再構築する新たな攻撃を提案する。
個人識別が削除された場合でも再識別のリスクは大きい。
さらなる調査では、少数の人しか訪れていない場所を頻繁に訪れているユーザーは、再識別に弱い傾向にあることが示されている。
論文 参考訳（メタデータ） (2025-02-12T08:54:49Z) - Long-Range Biometric Identification in Real World Scenarios: A Comprehensive Evaluation Framework Based on Missions [11.557368031775717]
本稿では,高度・範囲の個人を特定するための研究ソリューションについて検討する。
顔と身体の特徴を融合させることにより,有効な長距離識別のための堅牢な生体計測システムの開発を提案する。
論文 参考訳（メタデータ） (2024-09-03T02:17:36Z) - GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳（メタデータ） (2024-02-03T03:13:50Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Efficient aggregation of face embeddings for decentralized face
recognition deployments (extended version) [0.7349727826230862]
バイオメトリックスは、最もプライバシーに敏感なデータの一つだ。プライバシーを重視するユビキタス認証システムは、分散化されたアプローチを優先している。
本稿では,異なるデータセットの広範囲な解析に基づいて,顔認識に使用される埋め込みを効率的に集約する方法を提案する。
論文 参考訳（メタデータ） (2022-12-20T09:28:25Z) - Face Presentation Attack Detection [59.05779913403134]
顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。
しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
論文 参考訳（メタデータ） (2022-12-07T14:51:17Z)
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。