論文の概要: GenPalm: Contactless Palmprint Generation with Diffusion Models
- arxiv url: http://arxiv.org/abs/2406.00287v1
- Date: Sat, 1 Jun 2024 03:33:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 07:54:19.354914
- Title: GenPalm: Contactless Palmprint Generation with Diffusion Models
- Title(参考訳): GenPalm:拡散モデルによる接触レスパルププリント生成
- Authors: Steven A. Grosz, Anil K. Jain,
- Abstract要約: 本稿では拡散確率モデルを用いた新しいパームプリント生成法を提案する。
我々は,複数のパームIDを合成するエンドツーエンドフレームワークを開発し,生成されたパームプリントの現実性と有用性を検証した。
- 参考スコア(独自算出の注目度): 25.738682467090335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The scarcity of large-scale palmprint databases poses a significant bottleneck to advancements in contactless palmprint recognition. To address this, researchers have turned to synthetic data generation. While Generative Adversarial Networks (GANs) have been widely used, they suffer from instability and mode collapse. Recently, diffusion probabilistic models have emerged as a promising alternative, offering stable training and better distribution coverage. This paper introduces a novel palmprint generation method using diffusion probabilistic models, develops an end-to-end framework for synthesizing multiple palm identities, and validates the realism and utility of the generated palmprints. Experimental results demonstrate the effectiveness of our approach in generating palmprint images which enhance contactless palmprint recognition performance across several test databases utilizing challenging cross-database and time-separated evaluation protocols.
- Abstract(参考訳): 大規模パームプリントデータベースの不足は、接触のないパームプリント認識の進歩に重大なボトルネックをもたらす。
これを解決するために、研究者らは合成データ生成に目を向けた。
GAN(Generative Adversarial Networks)は広く使われているが、不安定性とモード崩壊に悩まされている。
近年、拡散確率モデルは、安定した訓練とより良い分布範囲を提供する、有望な代替品として出現している。
本稿では,拡散確率モデルを用いた新しいパームプリント生成手法を提案し,複数のパームプリントを合成するためのエンドツーエンドフレームワークを開発し,生成されたパームプリントの現実性と有用性を検証する。
実験結果から,複数試験データベース間の接触のないパームプリント認識性能を向上させるヤシプリント画像生成手法の有効性が示された。
関連論文リスト
- Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。
疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。
実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
論文 参考訳(メタデータ) (2024-11-20T00:43:32Z) - 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) - Physics-Driven Spectrum-Consistent Federated Learning for Palmprint
Verification [47.35171881187345]
PSFed-Palmと呼ばれるパームプリント検証のための物理駆動型スペクトル一貫性フェデレート学習法を提案する。
提案手法は、まず、局所スペクトル画像の波長範囲に応じて、クライアントを短スペクトル群と長スペクトル群に分割する。
我々は,グローバルモデルとの整合性を確保するため,局所モデルに制約を課し,モデルドリフトを効果的に防止する。
論文 参考訳(メタデータ) (2023-08-01T11:01:17Z) - Geometric Synthesis: A Free lunch for Large-scale Palmprint Recognition
Model Pretraining [27.81138870690135]
パラメータ化されたB'ezier曲線を持つパーマークリーゼを表す直観的幾何学モデルを導入する。
B'ezierパラメータをランダムにサンプリングすることで、多様なアイデンティティの大規模なトレーニングサンプルを合成できる。
実験結果から, 合成事前学習モデルは非常に強力な一般化能力を有することが示された。
論文 参考訳(メタデータ) (2022-03-11T01:20:22Z) - Responsible Disclosure of Generative Models Using Scalable
Fingerprinting [70.81987741132451]
深層生成モデルは質的に新しいパフォーマンスレベルを達成した。
この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。
最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
論文 参考訳(メタデータ) (2020-12-16T03:51:54Z) - 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) - Experimental results on palmvein-based personal recognition by
multi-snapshot fusion of textural features [3.274290296343038]
本研究はパームヴェイン認識のためのテキスト特徴の複数スナップショット融合について検討し,その同定と検証を行った。
本研究の目的は、このことがヤシベイン認識に有効であることを示し、よく知られたベンチマークデータセット上で非常に高い認識率を実現することである。
論文 参考訳(メタデータ) (2020-07-13T11:34:46Z) - Towards Efficient Unconstrained Palmprint Recognition via Deep
Distillation Hashing [28.36096948563473]
効率的なパームプリント認識のためのベンチマークとして、ディープ蒸留ハッシュ (DDH) が提案されている。
パームプリント識別の精度は最大11.37%向上し、パームプリント検証のEER(Equal Error Rate)は最大3.11%削減できる。
論文 参考訳(メタデータ) (2020-04-07T12:15:04Z) - Towards Palmprint Verification On Smartphones [62.279124220123286]
過去20年間の研究によると、ヤシの印刷物は独特性と永続性に優れた効果がある。
我々はスマートフォン用のDeepMPV+というDCNNベースのパームプリント検証システムを構築した。
DeepMPV+の効率と有効性は広範な実験によって裏付けられている。
論文 参考訳(メタデータ) (2020-03-30T08:31:03Z) - Palm-GAN: Generating Realistic Palmprint Images Using Total-Variation
Regularized GAN [7.119324327867636]
本稿では,現実的なヤシプリント画像を生成することができるGAN(Generative Adversarial Network)に基づくディープラーニングフレームワークを提案する。
このフレームワークを一般的なパームプリントデータベースに適用し、非常にリアルに見え、このデータベースのサンプルとよく似た画像を生成する。
論文 参考訳(メタデータ) (2020-03-21T03:24:36Z) - Towards Unconstrained Palmprint Recognition on Consumer Devices: a
Literature Review [0.34376560669160383]
バイオメトリック・パームプリントは、ほとんど使われていないが、指紋や顔のバイオメトリックスよりもいくつかの利点がある。
ハンドヘルドデバイスとウェアラブルデバイスにおける最近の画像機能の改善は、手のひらプリントの使用に対する関心を再燃させた。
論文 参考訳(メタデータ) (2020-03-02T09:53:43Z)
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。