論文の概要: MultiGait: A Multi-Sensor Multi-Perspective Multi-Session Biometric Inference Benchmark and its Dataset

• arxiv url: http://arxiv.org/abs/2609.01036v1
• Date: Tue, 01 Sep 2026 10:35:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.561967
• Title: MultiGait: A Multi-Sensor Multi-Perspective Multi-Session Biometric Inference Benchmark and its Dataset
• Title（参考訳）: MultiGait:マルチセンサを用いたマルチセッションバイオメトリック推論ベンチマークとそのデータセット
• Authors: Julian Todt, Felix Morsbach, Philip Dissert, Thorsten Strufe,
• Abstract要約: MultiGaitは、最初のマルチセンサー、マルチパースペクティブ、マルチセッション歩行中心のデータセットである。 データセットは、様々な歩行モードと199人の個人属性を含む。 われわれのベンチマークでは、センサーがプライバシーにやさしいと推定される場合、かなりのID推測リスクが伴うことが明らかになっている。
• 参考スコア（独自算出の注目度）: 3.497537146514306
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A lack of suitable datasets has limited the research into the privacy risks of novel smart city sensors, such as thermal cameras, depth cameras, and lidar. Given the number of unsubstantiated privacy claims and their potential widespread deployment into many people's everyday life, understanding the privacy risks of these sensors -- in isolation and in like-for-like comparisons -- is crucial. With MultiGait, we collected the first multi-sensor, multi-perspective, multi-session gait-focused dataset, for the corresponding, and additional more far-reaching investigations. The dataset, validated with multiple state-of-the-art recognition systems, comprises various walking modes and annotated personal attributes for 199 individuals, to ensure the benefit for advanced studies including cross-sensor recognition and anonymization at the edge. MultiGait represents a foundation for rigorous privacy investigations, demonstrated through an extensive identity inference benchmark across eight sensors, four perspectives, and three recording sessions. Our benchmark incidentally reveals that sensors often assumed to be privacy-friendly do still entail considerable identity inference risks, while the poor cross-session generalization of existing methods underscores an important research gap.
• Abstract（参考訳）: 適切なデータセットがないため、サーマルカメラ、ディープカメラ、ライダーといった新しいスマートシティセンサーのプライバシーリスクの研究は制限されている。 根拠のないプライバシー主張の数と、多くの人々の日常生活に広範囲に展開する可能性を考えると、これらのセンサーのプライバシーリスク - 独立して、類似した比較 - を理解することは極めて重要です。 また,MultiGaitでは,マルチセンサ,マルチパースペクティブ,マルチセッションの歩留まりに着目した最初のデータセットを収集した。 複数の最先端認識システムで検証されたデータセットは、さまざまな歩行モードと199人の個人属性を含む。 MultiGaitは厳格なプライバシー調査の基礎であり、8つのセンサー、4つの視点、3つの記録セッションにわたる広範なアイデンティティ推論ベンチマークを通じて実証されている。 我々のベンチマークでは、センサーがプライバシーに優しいと仮定される場合、かなりのアイデンティティー推論リスクが伴うが、既存の手法のクロスセッションの一般化は重要な研究ギャップを浮き彫りにしている。

関連論文リスト

• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
  プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。 これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。 差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
  論文  参考訳（メタデータ） (2023-09-27T14:38:16Z)
• Enhancing Multi-Camera People Tracking with Anchor-Guided Clustering and Spatio-Temporal Consistency ID Re-Assignment [22.531044994763487]
  本稿では,アンカークラスタリング誘導を用いたマルチカメラによる複数人物追跡手法を提案する。 提案手法は,各個人固有の重要な特徴を特定することによって,トラッキングの精度を向上させることを目的としている。 この手法は, 合成データと実世界のデータの両方を扱う上で, 堅牢性と有効性を示した。
  論文  参考訳（メタデータ） (2023-04-19T07:38:15Z)
• Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
  歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。 本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-24T05:28:35Z)
• Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
  本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。 本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。 提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
  論文  参考訳（メタデータ） (2023-03-23T13:50:46Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
  データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。 Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。 実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-21T19:08:23Z)
• Nowhere to Hide: Cross-modal Identity Leakage between Biometrics and Devices [10.583851548297728]
  サイバー物理空間における複合ID漏洩の可能性について検討する。 コロケーションされたスマートデバイスID(スマートフォンMACアドレスなど)と物理バイオメトリックス(顔/声のサンプルなど)は、互いにサイドチャネルである。 異なる生体認証とデバイスIDに関する2つの実世界実験は、提案されたアプローチがデバイスIDの70%以上を妥協できることを示している。
  論文  参考訳（メタデータ） (2020-01-21T22:26:12Z)

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。