論文の概要: EyeMakeYou: Identity-, Task-, and Subjective-State-Conditioned Diffusion for High-Frequency Gaze Synthesis

• arxiv url: http://arxiv.org/abs/2609.04501v1
• Date: Thu, 03 Sep 2026 21:41:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.835812
• Title: EyeMakeYou: Identity-, Task-, and Subjective-State-Conditioned Diffusion for High-Frequency Gaze Synthesis
• Title（参考訳）: EyeMakeYou:高周波ガゼ合成のためのアイデンティティ,タスク,主観的状態依存拡散
• Abstract要約: 眼球運動バイオメトリックス(Eye Movement Biometrics、EMB)は、ユーザ認証における行動モダリティの出現である。 EMBシステムは多種多様な高品質の視線記録を必要としており、収集には高価であり、しばしばモデル開発に必要なスケールでは利用できない。 主観的高頻度視線合成のための多条件認知拡散フレームワークEyeMakeYouを提案する。
• 参考スコア（独自算出の注目度）: 3.0755265578451874
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Eye movement biometrics (EMB) is an emerging behavioral modality for user authentication, particularly in virtual- and augmented-reality systems, where gaze dynamics contain distinctive subject-specific features. However, robust EMB systems require diverse, high-quality gaze recordings that are expensive to collect and often unavailable at the scale needed for model development. Generative models can mitigate data scarcity, but existing methods either synthesize generic gaze behavior or personalize signals primarily by identity, without jointly representing the user's task and subjective state. Consequently, generated signals may appear visually realistic while failing to retain the behavioral properties required for biometric applications. To address this limitation, we propose EyeMakeYou, a multi-conditional denoising diffusion framework for subject-specific, high-frequency gaze synthesis. EyeMakeYou generates 5-s, 1000-Hz bivariate gaze-velocity sequences from an identity-removed reference trajectory and conditions the denoising process on an identity embedding, a task embedding, and self-reported ratings of overall difficulty, mental tiredness, and eye tiredness. Its objective combines diffusion noise prediction and identity preservation with multi-resolution spectral, drift-consistency, and event-weighted local-smoothness losses. Experiments on GazeBase show that EyeMakeYou achieves higher median spatial accuracy and greater real--synthetic similarity in the embedding feature space than the existing generative approaches, while retaining selected task-dependent associations between subjective reports and oculomotor features. These findings support conditional diffusion as a practical approach for augmenting gaze datasets for biometric and interactive applications.
• Abstract（参考訳）: 眼球運動バイオメトリックス(Eye Movement Biometrics、EMB)は、特に視線力学が固有の主観的特徴を含む仮想および拡張現実システムにおいて、ユーザー認証の行動モダリティとして出現する。 しかし、堅牢なEMBシステムは、収集に高価であり、モデル開発に必要なスケールでは利用できない、多種多様な高品質な視線記録を必要とする。 生成モデルはデータの不足を軽減することができるが、既存の方法は、ユーザのタスクと主観的状態を共同で表現することなく、ジェネリックな視線動作を合成するか、主にアイデンティティによって信号をパーソナライズする。 その結果、生成した信号は視覚的にリアルに見えるが、生体計測アプリケーションに必要な挙動特性は保持できない。 この制限に対処するために、主観的、高周波の視線合成のための多条件デノナイズ拡散フレームワークEyeMakeYouを提案する。 EyeMakeYouは、アイデンティティ除去された基準軌跡と、アイデンティティの埋め込み、タスクの埋め込み、および全体的な困難、精神的疲労、および眼疲労の自己報告された評価に関する記述過程から、5-s、1000Hzの2変数の視線速度列を生成する。 その目的は拡散雑音予測とアイデンティティ保存を多分解能スペクトル、ドリフト一貫性、および事象重み付き局所滑らかさ損失と組み合わせることである。 GazeBaseでの実験では、EyeMakeYouは既存の生成手法よりも空間精度が高く、組込み特徴空間における実合成類似性が向上し、主観的報告と眼球運動特徴のタスク依存的関連性を維持している。 これらの知見は、バイオメトリックおよびインタラクティブなアプリケーションのために、視線データセットを増強するための実践的なアプローチとして条件拡散を支持する。

関連論文リスト

• FVeinSyn: Synthetic Finger Vein Image Generator [75.79003800700403]
  指静脈認識における大きな課題は、大規模な公開データセットの欠如である。 指静脈用大規模制御可能な合成データ生成フレームワークであるFVeinSynを提案する。
  論文  参考訳（メタデータ） (2026-08-27T14:46:43Z)
• A Dual-Stream Challenge-Response Protocol for Ocular Liveness Verification [0.0]
  眼バイオメトリックシステムは、高解像度ビデオ再生やリアルタイム生成ディープフェイクなど、洗練されたプレゼンテーションアタックに直面している。 本稿では,眼生検定のためのダブルストリーム・チャレンジ・レスポンス・フレームワークを提案する。 非ゼロレイテンシレンダリングギャップが存在する場合、複数ラウンドのチャレンジ設計により、生成するディープフェイクの検出が向上することを示す。
  論文  参考訳（メタデータ） (2026-07-10T18:15:23Z)
• Enhancing Eye Movement Biometrics for User Authentication via Continuous Gaze Offset Score Fusion [2.2557806157585834]
  眼球運動バイオメトリックス(EMB)は、ユーザ認証と識別に主観的視線力学を使用する。 近年の深層学習に基づくEMBシステムは、時間的眼球運動の挙動をモデル化することにより、高い性能を達成する。 本研究は,既存の生体機能と組み合わせることで,連続視差オフセットが生体特性を向上させるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-05-07T18:12:20Z)
• Real-time Appearance-based Gaze Estimation for Open Domains [15.195617974731766]
  本稿では,人手による付加的なデータを必要としない,高機能なAGEフレームワークを提案する。 異方性データセット間ラベル偏差の影響を軽減するため、マルチタスク学習問題として視線回帰を再構成する。 我々のMobileNetベースの軽量モデル一般化は、最先端(SOTA)のUniGaze-Hと競合する性能を実現する。
  論文  参考訳（メタデータ） (2026-03-27T19:33:18Z)
• FAIM: Frequency-Aware Interactive Mamba for Time Series Classification [87.84511960413715]
  時系列分類(TSC)は、環境モニタリング、診断、姿勢認識など、多くの実世界の応用において重要である。 本稿では,周波数対応対話型マンバモデルであるFAIMを提案する。 FAIMは既存の最先端(SOTA)手法を一貫して上回り、精度と効率のトレードオフが優れていることを示す。
  論文  参考訳（メタデータ） (2025-11-26T08:36:33Z)
• GaitCrafter: Diffusion Model for Biometric Preserving Gait Synthesis [14.174192604480599]
  GaitCrafterは、シルエット領域で現実的な歩行シーケンスを合成するための拡散ベースのフレームワークである。 我々のアプローチは、時間的に一貫性があり、アイデンティティを保存する歩行列の生成を可能にする。 そこで,本研究では,オリジナルデータセットに存在しない新規なアイデンティティ合成個人を生成するメカニズムを提案する。
  論文  参考訳（メタデータ） (2025-08-18T18:32:42Z)
• Generate Aligned Anomaly: Region-Guided Few-Shot Anomaly Image-Mask Pair Synthesis for Industrial Inspection [53.137651284042434]
  異常検査は製造業において重要な役割を担っているが、異常サンプルの不足は既存の方法の有効性を制限している。 本稿では,GAA (Generate grained Anomaly) を提案する。 GAAは少数のサンプルのみを用いて現実的で多様で意味的に整合した異常を発生させる。
  論文  参考訳（メタデータ） (2025-07-13T12:56:59Z)
• Multi-focal Conditioned Latent Diffusion for Person Image Synthesis [59.113899155476005]
  遅延拡散モデル(LDM)は高解像度画像生成において強力な機能を示した。 これらの制約に対処する多焦点条件付き潜時拡散法(MCLD)を提案する。 本手法では,顔の同一性やテクスチャ固有の情報を効果的に統合する多焦点条件アグリゲーションモジュールを利用する。
  論文  参考訳（メタデータ） (2025-03-19T20:50:10Z)
• Synthetic Forehead-creases Biometric Generation for Reliable User Verification [6.639785884921617]
  本稿では,前頭葉画像データを一意性やリアリズムといった重要な特徴を維持しつつ合成する新しい枠組みを提案する。 Fr'echet Inception Distance (FID) と構造類似度指数測定 (SSIM) を用いて、生成された額部画像の多様性と現実性を評価する。
  論文  参考訳（メタデータ） (2024-08-28T10:33:00Z)
• 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)
• Evidential Sparsification of Multimodal Latent Spaces in Conditional Variational Autoencoders [63.46738617561255]
  訓練された条件付き変分オートエンコーダの離散潜時空間をスパース化する問題を考察する。 顕在的理論を用いて、特定の入力条件から直接証拠を受け取る潜在クラスを特定し、そうでないクラスをフィルタリングする。 画像生成や人間の行動予測などの多様なタスクの実験により,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-10-19T01:27:21Z)

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。