論文の概要: Video-Based Palm-Vein Authentication under Challenging Conditions

• arxiv url: http://arxiv.org/abs/2609.02776v1
• Date: Wed, 02 Sep 2026 16:12:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.466326
• Title: Video-Based Palm-Vein Authentication under Challenging Conditions
• Title（参考訳）: カオス条件下でのPalm-Vein認証
• Abstract要約: パームベインバイオメトリックスは、安全で接触のない認証にますます利用されている。 しかし、現実の展開は、表面ノイズ(汗、汚れ)、照明と運動の変化、および血管の可視性における温度駆動的な変化を露呈する。 CUPは、すべてのヤシを4つの表面条件(清潔なベースライン、温かい、湿った、汚れた)で記録し、各被験者に生理的、人口統計学的メタデータを付与する。 その上で、静的、ビデオ、および多フレームアグリゲーションアーキテクチャにまたがる21の認識器をベンチマークする。
• 参考スコア（独自算出の注目度）: 1.820454240010635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Palm-vein biometrics are increasingly used for secure, contactless authentication. Yet real-world deployment exposes them to surface noise (sweat, dirt), illumination and motion variation, and temperature-driven changes in vascular visibility, which remain underexplored for lack of data captured under such conditions. To study these effects, we introduce the Columbia University Palm-vein (CUP) dataset, to our knowledge the first public video-based palm-vein dataset. CUP records every palm under four surface conditions (a clean baseline, warm, wet, and dirty) and pairs each subject with physiological and demographic metadata. On it we benchmark twenty-one recognizers spanning static, video, and multi-frame aggregation architectures. Models that verify reliably on clean palms lose most of their accuracy on dirty ones, and the mean equal error rate (EER) roughly quadruples. We recover much of that robustness along both axes of the capture. Temporally, a consensus over the few frames the sensor already returns cancels transient corruption; spatially, a test-time matcher that adds no learned parameters fuses the global cosine with a saliency-steered region-level optimal transport that routes the comparison around corrupted regions. The full design leads on every surface of CUP in EER, TAR@FAR=0.01, and Rank-1, at 4.3M parameters and 3.1 GFLOPs, a fraction of the video models' cost. Attached to four frozen state-of-the-art backbones it cuts their mean EER by 29-37% without retraining, and on four public single-image datasets the regional matching alone still helps. A preliminary audit across ten demographic and physiological traits finds two warm-condition gaps, along body water and gender, that survive multiple-comparison correction. CUP will be released for non-commercial research use at https://github.com/MobileX-CU/CUP_v1 upon publication.
• Abstract（参考訳）: パームベインバイオメトリックスは、安全で接触のない認証にますます利用されている。 しかし、現実の展開では、表面のノイズ(汗、汚れ)、照明、動きの変化、血管の可視性の変化が露呈する。 これらの効果を研究するために,コロンビア大学パルムベインデータセット(CUP)を紹介した。 CUPは、すべてのヤシを4つの表面条件(清潔なベースライン、温かい、湿った、汚れた)で記録し、各被験者に生理的、人口統計学的メタデータを付与する。 その上で、静的、ビデオ、および多フレームアグリゲーションアーキテクチャにまたがる21の認識器をベンチマークする。 クリーンパームを確実に検証するモデルは、汚れたパームの精度の大部分を失い、平均等誤差率(EER)はおよそ4倍になる。 私たちは、捕獲の両軸に沿って、そのロバスト性の多くを回復します。 空間的には、学習されたパラメータを追加せずに、グローバルコサインにサラリーステアリングされた領域レベルの最適輸送を融合させ、その比較を破損した領域にルーティングするテストタイムマーカである。 完全な設計は、EER、TAR@FAR=0.01、Ran-1の全てのCUPの表面を4.3Mパラメータと3.1GFLOPで導く。 4つの凍結した最先端のバックボーンにアタッチされたEERは、トレーニングをすることなく平均的なEERを29～37%削減する。 10の人口統計学的特徴と生理学的特徴に関する予備監査では、体水と性別に沿って温暖な2つのギャップが発見され、多重比較補正に耐える。 CUPは、公開後、https://github.com/MobileX-CU/CUP_v1で非商用研究用としてリリースされる。

関連論文リスト

• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [66.44527094471619]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• GBU-Palm: A Multimodal Video Dataset and Benchmark for Palm Presentation Attack Detection [73.00315875431374]
  GBU-Palmは、105人の被験者から21,326の動画と210のヤシを含む大規模なマルチモーダルビデオデータセットとベンチマークである。 ヤシのアイデンティティと攻撃系統を分離するリーク制御プロトコルを構築し、4つの代表的なビデオアーキテクチャをベンチマークする。 その結果、RGB-NIR融合はRGBのみの入力を一貫して上回るものではないことが判明した。
  論文  参考訳（メタデータ） (2026-08-14T15:31:48Z)
• Hallucination as an Anomaly: Dynamic Intervention via Probabilistic Circuits [6.667596224057802]
  LLM残差ストリーム上のトラクタブル密度推定器として訓練された確率回路PCNETを提案する。 本手法は,実数多様体上の幾何学的異常として幻覚を検出する。 PCNETは、CoQA、SQuAD v2.0、TriviaQAのほぼ完全な幻覚検出を実現し、AUROCは99%に達する。
  論文  参考訳（メタデータ） (2026-05-07T10:02:27Z)
• Synthetic Tabular Generators Fail to Preserve Behavioral Fraud Patterns: A Benchmark on Temporal, Velocity, and Multi-Account Signals [0.0]
  本研究では,4つの行動不正パターン(P1-P4)の分類法を定式化し,事象間タイミング,バースト構造,マルチアカウントグラフモチーフ,速度ルールトリガ率について検討した。 我々は、IEEE-CIS Fraud DetectionとAmazon FraudデータセットでCTGAN、TVAE、GaussianCopula、TabularARGNをベンチマークした。 P1-P4フレームワークは、医療やネットワークセキュリティを含む、エンティティレベルのシーケンシャルデータを持つ任意のドメインに拡張する。
  論文  参考訳（メタデータ） (2026-04-13T19:36:00Z)
• A Multimodal Approach to Heritage Preservation in the Context of Climate Change [0.0]
  本稿では,センサデータ(温度,湿度)と視覚画像とを融合させて,遺産の重症度を予測する軽量なマルチモーダルアーキテクチャを提案する。 ストラスブール大聖堂からのデータでは、標準的なマルチモーダルアーキテクチャよりも43%向上した76.9%のアクク・レシーを達成した。
  論文  参考訳（メタデータ） (2025-10-15T22:07:57Z)
• EMPalm: Exfiltrating Palm Biometric Data via Electromagnetic Side-Channels [54.460942487872416]
  EMエミッションは、手のひら生体情報を漏れさせる。 EMPalmは、盗聴されたEM信号からパームプリントとパームベインの画像の両方を隠蔽的に回収する攻撃フレームワークである。
  論文  参考訳（メタデータ） (2025-10-08T20:50:19Z)
• PoseBench: Benchmarking the Robustness of Pose Estimation Models under Corruptions [57.871692507044344]
  ポース推定は、単眼画像を用いて人や動物の解剖学的キーポイントを正確に同定することを目的としている。 現在のモデルは一般的に、クリーンなデータに基づいてトレーニングされ、テストされる。 実世界の腐敗に対するポーズ推定モデルの堅牢性を評価するためのベンチマークであるPoseBenchを紹介する。
  論文  参考訳（メタデータ） (2024-06-20T14:40:17Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)
• Hybrid Spectrogram and Waveform Source Separation [91.3755431537592]
  エンド・ツー・エンドのハイブリッド・ソース分離を行う方法を示し、各ソースに適したドメインをモデルで決定する。 提案されたDemucsアーキテクチャのハイブリッドバージョンは、ソニーが主催したMusic Demixing Challenge 2021で優勝した。
  論文  参考訳（メタデータ） (2021-11-05T16:37:45Z)

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。