Fugu-MT 論文翻訳(概要): Synthesizing Iris Images using Generative Adversarial Networks: Survey and Comparative Analysis

論文の概要: Synthesizing Iris Images using Generative Adversarial Networks: Survey and Comparative Analysis

arxiv url: http://arxiv.org/abs/2404.17105v1
Date: Fri, 26 Apr 2024 01:45:58 GMT
ステータス: 処理完了
システム内更新日: 2024-04-29 14:14:08.132468
Title: Synthesizing Iris Images using Generative Adversarial Networks: Survey and Comparative Analysis
Title（参考訳）: 生成的対立ネットワークを用いたアイリス画像の合成:調査と比較分析
Authors: Shivangi Yadav, Arun Ross,
Abstract要約: 本稿では,GANを用いた合成虹彩画像生成技術について概説する。まず,合成虹彩生成に使用されてきた各種手法について検討し,StyleGAN,RaSGAN,CIT-GAN,iWarpGAN,StarGANなどに基づく発電機について検討した。
参考スコア（独自算出の注目度）: 11.5164036021499
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Biometric systems based on iris recognition are currently being used in border control applications and mobile devices. However, research in iris recognition is stymied by various factors such as limited datasets of bonafide irides and presentation attack instruments; restricted intra-class variations; and privacy concerns. Some of these issues can be mitigated by the use of synthetic iris data. In this paper, we present a comprehensive review of state-of-the-art GAN-based synthetic iris image generation techniques, evaluating their strengths and limitations in producing realistic and useful iris images that can be used for both training and testing iris recognition systems and presentation attack detectors. In this regard, we first survey the various methods that have been used for synthetic iris generation and specifically consider generators based on StyleGAN, RaSGAN, CIT-GAN, iWarpGAN, StarGAN, etc. We then analyze the images generated by these models for realism, uniqueness, and biometric utility. This comprehensive analysis highlights the pros and cons of various GANs in the context of developing robust iris matchers and presentation attack detectors.
Abstract（参考訳）: 虹彩認識に基づく生体認証システムは、現在、国境管理アプリケーションやモバイルデバイスで使用されている。しかしながら、虹彩認識の研究は、ボナフィドイリドのデータセットの制限や、プレゼンテーション攻撃装置、クラス内変異の制限、プライバシー上の懸念など、様々な要因によって妨げられている。これらの問題のいくつかは、合成虹彩データを使用することによって緩和することができる。本稿では,現在最先端のGANベースの合成虹彩画像生成技術について概観的なレビューを行い,現実的かつ有用な虹彩画像の生成における強度と限界を評価し,虹彩認識システムとプレゼンテーション攻撃検出装置の両方に使用できることを示す。そこで本研究では,合成虹彩生成に使用されてきた各種手法をまず調査し,StyleGAN,RaSGAN,CIT-GAN,iWarpGAN,StarGANなどに基づくジェネレータについて検討する。次に、これらのモデルが生成した画像から、現実主義、一意性、生体的有用性について分析する。この包括的分析は、堅牢な虹彩マッチング器や提示攻撃検出器の開発という文脈において、様々なGANの長所と短所を強調している。

関連論文リスト

Impact of Iris Pigmentation on Performance Bias in Visible Iris Verification Systems: A Comparative Study [6.639785884921617]
生体認証システムの有効性に対する虹彩色素化の影響について検討し,青と暗の虹彩の比較分析に焦点をあてた。以上の結果から,虹彩認識システムは一般的に暗黒の虹彩に比べて青色の虹彩に対して高い精度を示すことが示唆された。本分析では,虹彩色とデバイス間変動に関する認識性能に固有のバイアスを同定する。
論文参考訳（メタデータ） (2024-11-13T10:15:27Z)
Privacy-Safe Iris Presentation Attack Detection [4.215251065887862]
本稿では,プライバシセーフなアイリス提示攻撃検出(PAD)手法の枠組みを提案する。合成生成したアイデンティティフリーの虹彩画像でのみ設計されている。この手法は、最先端のアイリスPADベンチマークを用いて古典的な手法で評価される。
論文参考訳（メタデータ） (2024-08-05T18:09:02Z)
GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文参考訳（メタデータ） (2024-02-03T03:13:50Z)
Periocular biometrics: databases, algorithms and directions [69.35569554213679]
近視バイオメトリックスは、制御されていない条件下での虹彩や顔のシステムの性能に関する懸念から、独立したモダリティとして確立されている。本稿では, 近視バイオメトリックス研究における最先端技術について概説する。
論文参考訳（メタデータ） (2023-07-26T11:14:36Z)
Haven't I Seen You Before? Assessing Identity Leakage in Synthetic Irises [4.142375560633827]
本稿では, GANトレーニングプロセスの様々な点における3つのアイリスマッチングの解析を行い, 実際のトレーニングサンプルが生成過程を通じて漏洩する危険のある場所と時期を診断する。以上の結果から,ほとんどの合成サンプルは同一性漏洩の兆候を示していないが,生成したサンプルのごく一部は,ほぼ完璧に一致していることがわかった。
論文参考訳（メタデータ） (2022-11-03T00:34:47Z)
Direct attacks using fake images in iris verification [59.68607707427014]
BioSecベースラインデータベースの実際のアイリスから偽アイリス画像のデータベースが作成されている。本システムは直接攻撃に対して脆弱であることを示し,対策の重要性を指摘する。
論文参考訳（メタデータ） (2021-10-30T05:01:06Z)
Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
論文参考訳（メタデータ） (2021-10-20T01:37:19Z)
Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。 IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
論文参考訳（メタデータ） (2021-03-30T01:30:08Z)
Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文参考訳（メタデータ） (2020-03-31T11:50:43Z)
SIP-SegNet: A Deep Convolutional Encoder-Decoder Network for Joint Semantic Segmentation and Extraction of Sclera, Iris and Pupil based on Periocular Region Suppression [8.64118000141143]
マルチモーダル生体認証システムは生体認証システムの限界に対処する能力があるこのようなシステムには高い特性、永続性、性能があるが、他の生体特性に基づく技術は容易に妥協できる。 SIP-SegNetと呼ばれる新しい深層学習フレームワークが提案され、眼形質のセマンティックセマンティックセグメンテーションを行う。
論文参考訳（メタデータ） (2020-02-15T15:20:44Z)
Segmentation-Aware and Adaptive Iris Recognition [24.125681602124477]
アイリス画像の品質は、アイリスマッチング精度を劣化させることが知られている。眼周囲情報は本質的にそのような虹彩画像に埋め込まれており、そのような非理想的なシナリオ下で虹彩認識を支援するために利用することができる。本稿では,より精度の低いアイリス認識のためのセグメンテーション支援適応フレームワークを提案する。
論文参考訳（メタデータ） (2019-12-31T04:31:37Z)

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。