論文の概要: Monocular 3D Fingerprint Reconstruction and Unwarping
- arxiv url: http://arxiv.org/abs/2205.00967v1
- Date: Mon, 2 May 2022 15:09:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-03 15:37:07.519396
- Title: Monocular 3D Fingerprint Reconstruction and Unwarping
- Title(参考訳): 単眼3次元指紋再構成とアンウォープ
- Authors: Zhe Cui, Jianjiang Feng, Jie Zhou
- Abstract要約: 本研究では,1つの画像から3次元指の形状を再構成し,視点歪みを抑制するための学習ベース形状を提案する。
接触のない指紋データベース実験の結果,提案手法は3次元再構成精度が高いことがわかった。
- 参考スコア(独自算出の注目度): 36.50244665233824
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Compared with contact-based fingerprint acquisition techniques, contactless
acquisition has the advantages of less skin distortion, larger fingerprint
area, and hygienic acquisition. However, perspective distortion is a challenge
in contactless fingerprint recognition, which changes ridge orientation,
frequency, and minutiae location, and thus causes degraded recognition
accuracy. We propose a learning based shape from texture algorithm to
reconstruct a 3D finger shape from a single image and unwarp the raw image to
suppress perspective distortion. Experimental results on contactless
fingerprint databases show that the proposed method has high 3D reconstruction
accuracy. Matching experiments on contactless-contact and
contactless-contactless matching prove that the proposed method improves
matching accuracy.
- Abstract(参考訳): 接触型指紋取得技術と比較して、接触非接触取得は皮膚の歪みが少なく、指紋面積が大きく、衛生的獲得の利点がある。
しかし、遠近的歪みは、リッジ方向、周波数、および最小位置を変化させ、劣化した認識精度をもたらす非接触指紋認識における課題である。
本研究では,1つの画像から3次元指の形状を再構成し,視点歪みを抑制するための学習ベース形状を提案する。
接触のない指紋データベース実験の結果,提案手法は3次元再構成精度が高いことがわかった。
接触非接触及び接触非接触マッチングにおけるマッチング実験により,提案手法がマッチング精度を向上させることを証明した。
関連論文リスト
- DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-07T07:19:45Z) - FIGO: Enhanced Fingerprint Identification Approach Using GAN and One
Shot Learning Techniques [0.0]
本稿では,生成逆数ネットワークとワンショット学習技術に基づく指紋識別手法を提案する。
まず,低画質の指紋画像を,指紋強調層に直接画素を向けて高レベルの指紋画像に変換するPix2Pixモデルを提案する。
第2に,指紋識別プロセスにおいて,各指紋を他の指紋と区別するために,ワンショット学習アプローチを用いた完全自動指紋特徴抽出モデルを構築した。
論文 参考訳(メタデータ) (2022-08-11T02:45:42Z) - Fingerprint Liveness Detection Based on Quality Measures [66.76480178498315]
新たな特徴セットは、完全なライブネス検出システムで使用され、LivDETコンペティションの開発セットでテストされている。
提案手法はマルチセンサのシナリオに対して堅牢であることが証明され、全体の93%が正しく分類されたサンプルである。
論文 参考訳(メタデータ) (2022-07-11T12:15:27Z) - Pair-Relationship Modeling for Latent Fingerprint Recognition [25.435974669629374]
本稿では,2つの指紋のペア関係を認識の類似性として直接モデル化する手法を提案する。
2つのデータベースに対する実験結果から,提案手法が技術状況より優れていることが示された。
論文 参考訳(メタデータ) (2022-07-02T11:31:31Z) - Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。
以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。
キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
論文 参考訳(メタデータ) (2021-04-28T09:35:48Z) - C2CL: Contact to Contactless Fingerprint Matching [38.95044919159418]
本稿では,モバイルフィンガー写真キャプチャアプリ,プリプロセッシング,マッチングアルゴリズムを組み合わせた,C2CLと呼ばれるエンドツーエンド自動システムを提案する。
公開されている3つのデータセットに関する実験結果は、既存のコンタクト指紋マッチングシステムと同等の非接触指紋マッチング精度を初めて実証する。
論文 参考訳(メタデータ) (2021-04-06T21:52:46Z) - Super-resolution Guided Pore Detection for Fingerprint Recognition [22.146795282680667]
超解像と気孔検出の両ネットワークを組み合わせた共同学習型アプローチを提案する。
SRGAN(Super-Resolution Generative Adversarial Network)フレームワークは、低解像度から高分解能の指紋サンプルを確実に再構築するのに役立ちます。
論文 参考訳(メタデータ) (2020-12-10T20:30:56Z) - Artificial Fingerprinting for Generative Models: Rooting Deepfake
Attribution in Training Data [64.65952078807086]
光現実性画像生成は、GAN(Generative Adversarial Network)のブレークスルーにより、新たな品質レベルに達した。
しかし、このようなディープフェイクのダークサイド、すなわち生成されたメディアの悪意ある使用は、視覚的誤報に関する懸念を提起する。
我々は,モデルに人工指紋を導入することによって,深度検出の積極的な,持続可能なソリューションを模索する。
論文 参考訳(メタデータ) (2020-07-16T16:49:55Z) - Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。
本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。
提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
論文 参考訳(メタデータ) (2020-05-12T15:51:59Z)
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。