論文の概要: Effectiveness of learning-based image codecs on fingerprint storage
- arxiv url: http://arxiv.org/abs/2409.18730v1
- Date: Fri, 27 Sep 2024 13:23:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-01 15:09:41.729200
- Title: Effectiveness of learning-based image codecs on fingerprint storage
- Title（参考訳）: 指紋記憶における学習型画像コーデックの有効性
- Authors: Daniele Mari, Saverio Cavasin, Simone Milani, Mauro Conti,
- Abstract要約: 本研究は,指紋画像の記憶における学習ベース画像コーデックの適応性に関する最初の研究である。
一定のレートで学習されたソリューションは、JPEG2000のような以前の指紋コーディング標準を大幅に上回った。
その結果、学習した圧縮加工品の特異性は、指紋の自動識別を妨げないことがわかった。
- 参考スコア（独自算出の注目度）: 19.292976022250684
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The success of learning-based coding techniques and the development of learning-based image coding standards, such as JPEG-AI, point towards the adoption of such solutions in different fields, including the storage of biometric data, like fingerprints. However, the peculiar nature of learning-based compression artifacts poses several issues concerning their impact and effectiveness on extracting biometric features and landmarks, e.g., minutiae. This problem is utterly stressed by the fact that most models are trained on natural color images, whose characteristics are very different from usual biometric images, e.g, fingerprint or iris pictures. As a matter of fact, these issues are deemed to be accurately questioned and investigated, being such analysis still largely unexplored. This study represents the first investigation about the adaptability of learning-based image codecs in the storage of fingerprint images by measuring its impact on the extraction and characterization of minutiae. Experimental results show that at a fixed rate point, learned solutions considerably outperform previous fingerprint coding standards, like JPEG2000, both in terms of distortion and minutiae preservation. Indeed, experimental results prove that the peculiarities of learned compression artifacts do not prevent automatic fingerprint identification (since minutiae types and locations are not significantly altered), nor do compromise image quality for human visual inspection (as they gain in terms of BD rate and PSNR of 47.8% and +3.97dB respectively).
- Abstract（参考訳）: 学習ベースのコーディング技術の成功とJPEG-AIのような学習ベースの画像コーディング標準の開発は、指紋などの生体データの保存など、さまざまな分野でそのようなソリューションを採用することを指している。
しかし、学習に基づく圧縮アーティファクトの特異な性質は、バイオメトリックの特徴やランドマークを抽出する上での影響と有効性に関していくつかの問題を引き起こしている。
この問題は、ほとんどのモデルが通常の生体画像、例えば指紋や虹彩画像と非常に異なる特徴を持つ自然色画像に基づいて訓練されているという事実によって、完全に強調されている。
実際、これらの問題は正確に疑問視され、調査されていると考えられており、そのような分析はいまだに未解明である。
本研究は,指紋画像の保存における学習ベース画像コーデックの適応性に関する最初の研究である。
実験結果によると、一定の速度で学習された解は、JPEG2000のような従来の指紋符号化基準よりも、歪みや微妙な保存の点でかなり優れていた。
実際、実験の結果、学習された圧縮アーティファクトの特異性は、自動的な指紋識別を防げないこと(ミツイアの種類や位置が著しく変化しない)や、人間の視覚検査のための妥協画像の品質(それぞれ47.8%と+3.97dBのBDレートとPSNRで得られる)が証明された。
関連論文リスト
- Trustworthy Compression? Impact of AI-based Codecs on Biometrics for Law Enforcement [6.014777261874645]
我々は,AI圧縮が虹彩,指紋,軟生体計測画像に与える影響について検討する。
虹彩認識は強い影響を受けうるが、指紋認識は非常に堅牢である。
細部が失われることは、布地やタトゥー画像によく見られる。
論文 参考訳（メタデータ） (2024-08-20T13:18:28Z) - A Robust Algorithm for Contactless Fingerprint Enhancement and Matching [7.820996917431323]
接触のない指紋画像には 4つの特徴があります
ノイズが少なく、リッジパターンの不連続も少なく、相互運用性の問題を引き起こす。
そこで本研究では,無接触指紋識別ソリューションを提案する。
論文 参考訳（メタデータ） (2024-08-18T10:01:42Z) - Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。
我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2024-01-06T03:03:28Z) - RFDforFin: Robust Deep Forgery Detection for GAN-generated Fingerprint
Images [45.73061833269094]
本稿では,GAN生成画像の独自の隆起特性と生成アーティファクトを組み合わせた指紋画像に対する最初の深部偽造検出手法を提案する。
提案手法は,低複雑性で有効かつ堅牢である。
論文 参考訳（メタデータ） (2023-08-18T04:05:18Z) - A review of schemes for fingerprint image quality computation [66.32254395574994]
本稿では,指紋画像品質計算における既存手法について概説する。
また、9000個の指紋画像を含むMCYTデータベースを用いて、それらの選択を実装し、テストし、比較する。
論文 参考訳（メタデータ） (2022-07-12T10:34:03Z) - On the Effects of Image Quality Degradation on Minutiae- and Ridge-Based
Automatic Fingerprint Recognition [61.81926091202142]
画像品質の異なるミツイア情報とリッジ情報に基づく2つの指紋照合器の性能について検討した。
リッジベースシステムは、多くの異なる画像品質基準のために、ミヌチアベースシステムよりも画像品質劣化に対してより堅牢であることが判明した。
論文 参考訳（メタデータ） (2022-07-12T10:28:36Z) - A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。
本稿では,指紋画像品質評価のための既存手法について概説する。
また,指紋画像品質推定アルゴリズムの選定も行った。
論文 参考訳（メタデータ） (2021-11-14T19:53:12Z) - Effects of Image Compression on Face Image Manipulation Detection: A
Case Study on Facial Retouching [14.92708078957906]
顔画像操作検出における画像圧縮の影響を分析する。
画像圧縮の影響下での顔面リタッチ検出に関する事例研究を行った。
論文 参考訳（メタデータ） (2021-03-05T13:28:28Z) - Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。
高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
論文 参考訳（メタデータ） (2020-11-17T20:32:57Z) - Discernible Image Compression [124.08063151879173]
本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。
エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。
ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
論文 参考訳（メタデータ） (2020-02-17T07:35:08Z)
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。