[論文レビュー] Advanced Acceptance Score: A Holistic Measure for Biometric Quantification

Aman Verma, Seshan Srirangarajan+1 more|arXiv (Cornell University)|Feb 17, 2026

User Authentication and Security Systems被引用数 0

ひとこと要約

高度な受理スコア（A_r^*）を導入し、ジェスチャーボ biometricsの総合評価指標として、ランク偏差、関連性、トレンド偏差、エンタングルメントを組み合わせ、データセットとアーキテクチャを横断して最適なDGBQAスコアを選択する

ABSTRACT

Quantifying biometric characteristics within hand gestures involve derivation of fitness scores from a gesture and identity aware feature space. However, evaluating the quality of these scores remains an open question. Existing biometric capacity estimation literature relies upon error rates. But these rates do not indicate goodness of scores. Thus, in this manuscript we present an exhaustive set of evaluation measures. We firstly identify ranking order and relevance of output scores as the primary basis for evaluation. In particular, we consider both rank deviation as well as rewards for: (i) higher scores of high ranked gestures and (ii) lower scores of low ranked gestures. We also compensate for correspondence between trends of output and ground truth scores. Finally, we account for disentanglement between identity features of gestures as a discounting factor. Integrating these elements with adequate weighting, we formulate advanced acceptance score as a holistic evaluation measure. To assess effectivity of the proposed we perform in-depth experimentation over three datasets with five state-of-the-art (SOTA) models. Results show that the optimal score selected with our measure is more appropriate than existing other measures. Also, our proposed measure depicts correlation with existing measures. This further validates its reliability. We have made our \href{https://github.com/AmanVerma2307/MeasureSuite}{code} public.

研究の動機と目的

• ハンドジェスチャーボ biometricsで従来の誤差率を超えたタスク特化の総合評価指標の必要性を動機付ける。
• A_r^* を提案し、ランク偏差、関連性、トレンド偏差、エンタングルメントを単一指標に融合する。
• 三つのデータセット・五つのSOTAアーキテクチャでの実験を通じて有効性を実証し、既存指標と比較する。

提案手法

• 評価の四つの設計基準を定義する：ランク偏差、関連性、トレンド偏差、エンタングルメント。
• 関連性（R）とトレンド一致距離（Ψ）を導入し、スコアの品質と進行パターンを捉える。
• ICGD測度を用いてエンタングルメントを組み込み、要素を加重結合したAdvanced Acceptance Score A_r^*(.)に統合する。
• データセットを跨ぐ比較のために正規化してnA_r^*(.)を作成する。
• 地上真実のようなスコア（100 - EERを介して）とDGBQA出力および地上真実ランキングを結びつけるアルゴリズム的定式化を提供する。

Figure 1: Comparison of the proposed $nA_{r}^{*}(\Delta)$ with existing ranking and retrieval measures. We compare the optimal score suggested by the measures in terms of four design criteria: (i) deviation in ranking order of gestures, (ii) entanglement between biometric traits of different gesture

実験結果

リサーチクエスチョン

• RQ1 ジェスチャーボ biometricsを、ランキング品質、スコア関連性、トレンド整合性、特徴エンタングルメントを考慮した総合スコアで評価するにはどうすればよいか。
• RQ2 提案するA_r^*（および正規化形のnA_r^*）は、既存指標よりも総合的設計基準をより良く満たすモデル/スコアを選択するか。
• RQ3 複数のジェスチャー データセットと深層アーキテクチャにおけるモデル選択と信頼性の観点で、A_r^*はどのように機能するか。

主な発見

• A_r^*（およびnA_r^*）は三つのデータセットを横断して、他の代替指標より四つの設計基準をより良く満たす。
• 関連性指標は上位に位置するジェスチャーのスコアを高く評価し、下位のスコアを低く評価し、地上真実の傾向と一致する。
• トレンド一致距離 Ψ はスコアの進行の偏差を捉え、ランク偏差とエンタングルメントを補完する。
• エンタングルメントにはICGDベースの手法を取り入れ、残留アイデンティティ-ジェスチャーエンタングルメントによる信頼性の低いスコアを割り引く。
• 実証結果はA_r^*が地上真実と一致するスコアを選択し、代替案に比べてエンタングルメントが小さいことを示す。
• 提案手法は既存指標と相関し、信頼性と頑健性を支持する。

Figure 2: Computation of trend match distance ( $\Psi$ ): With $\Psi$ we find out if DGBQA scores of two consecutively ranked gestures have the same biometric separation as the ground truth. Firstly, all the gestures are arranged as per the ranking order in ground truth. The last gesture (here $G_{3