Identity Verification from Human Scent using Learned Representations of Two-Dimensional Gas Chromatography–Mass Spectrometry Data
Diese Studie demonstriert die Machbarkeit der Verifizierung der menschlichen Duftidentität durch die Transformation von zweidimensionalen Gaschromatographie-Massenspektrometrie-Rohdaten in Multi-Channel-Bilder, wobei mit einer Multi-View-Repräsentation eine AUROC von 92,8 % erreicht wird, während gleichzeitig das Potenzial der Methode für nicht-kooperative Szenarien trotz Herausforderungen bei der Cross-Session-Generalisierung hervorgehoben wird.