論文の概要: Iris Style Transfer: Enhancing Iris Recognition with Style Features and Privacy Preservation through Neural Style Transfer

• arxiv url: http://arxiv.org/abs/2503.04707v1
• Date: Thu, 06 Mar 2025 18:55:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:58:28.820311
• Title: Iris Style Transfer: Enhancing Iris Recognition with Style Features and Privacy Preservation through Neural Style Transfer
• Title（参考訳）: アイリス・スタイル・トランスファー:ニューラル・スタイル・トランスファーによるアイリス認識とプライバシ保護
• Authors: Mengdi Wang, Efe Bozkir, Enkelejda Kasneci,
• Abstract要約: アイリステクスチャは、認証と識別のための金の標準バイオメトリック・モダリティとして広く見なされている。 マスク識別可能な虹彩スタイル特徴に対するニューラルスタイル転送を提案する。 この研究は、虹彩指向でセキュアでプライバシーに配慮した生体認証システムのための新しい道を開く。
• 参考スコア（独自算出の注目度）: 44.44776028287441
• License:
• Abstract: Iris texture is widely regarded as a gold standard biometric modality for authentication and identification. The demand for robust iris recognition methods, coupled with growing security and privacy concerns regarding iris attacks, has escalated recently. Inspired by neural style transfer, an advanced technique that leverages neural networks to separate content and style features, we hypothesize that iris texture's style features provide a reliable foundation for recognition and are more resilient to variations like rotation and perspective shifts than traditional approaches. Our experimental results support this hypothesis, showing a significantly higher classification accuracy compared to conventional features. Further, we propose using neural style transfer to mask identifiable iris style features, ensuring the protection of sensitive biometric information while maintaining the utility of eye images for tasks like eye segmentation and gaze estimation. This work opens new avenues for iris-oriented, secure, and privacy-aware biometric systems.
• Abstract（参考訳）: アイリステクスチャは、認証と識別のための金の標準バイオメトリック・モダリティとして広く見なされている。 堅牢な虹彩認識手法の需要は、虹彩攻撃に関するセキュリティやプライバシーの懸念の高まりと相まって、近年増大している。 ニューラルネットワークを利用してコンテンツとスタイルの特徴を分離する高度な技術であるニューラルスタイル転送に触発された我々は、アイリステクスチャのスタイル特徴が認識の信頼できる基盤となり、従来のアプローチよりも回転やパースペクティブシフトといったバリエーションに耐性があると仮定する。 実験の結果,従来の特徴よりもかなり高い分類精度を示し,この仮説を支持した。 また,視線分割や視線推定などのタスクにおいて,視線画像の有用性を維持しつつ,生体情報に敏感な情報を保護し,マスク識別可能な虹彩スタイルの特徴をニューラルスタイルで表現することを提案する。 この研究は、虹彩指向でセキュアでプライバシーに配慮した生体認証システムのための新しい道を開く。

関連論文リスト

• On the Feasibility of Creating Iris Periocular Morphed Images [9.021226651004055]
  本研究は、画像レベルで虹彩形態を生成するためのエンドツーエンドフレームワークを提案する。 ペア対象の選択、セグメンテーション、形態形成、新しい虹彩認識システムなど、異なる段階を考慮する。 その結果,従来の虹彩認識システムと混同できる非常にリアルな画像が得られた。
  論文  参考訳（メタデータ） (2024-08-24T06:48:46Z)
• Embedding Non-Distortive Cancelable Face Template Generation [22.80706131626207]
  我々は、目では認識できないが、任意のカスタム埋め込みニューラルネットワークモデルで識別可能な顔画像を実現する革新的な画像歪み技術を導入する。 生体認証ネットワークの信頼性を,予測された同一性を変化させない最大画像歪みを判定することによって検証する。
  論文  参考訳（メタデータ） (2024-02-04T15:39:18Z)
• Unrecognizable Yet Identifiable: Image Distortion with Preserved Embeddings [22.338328674283062]
  本稿では,ニューラルネットワークモデルによる顔画像の識別性を保ちながら,目に対して認識不能な顔画像を描画する,革新的な画像変換手法を提案する。 提案手法は、様々な人工知能アプリケーションにおいて、視覚データを歪曲し、派生した特徴を近接に保つために使用することができる。 同一の認識精度を維持しつつ、画像内容が70%以上変化する歪みを構築することができることを示す。
  論文  参考訳（メタデータ） (2024-01-26T18:20:53Z)
• Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
  歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。 本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-24T05:28:35Z)
• Deep Learning for Iris Recognition: A Review [7.884782855865438]
  虹彩認識は他の生体認証法よりも信頼性が高く、外部要因の影響を受けにくいと考えられている。 従来の機械学習ベースの虹彩認識方法とは異なり、ディープラーニング技術は機能工学に頼らず、優れたパフォーマンスを誇っている。 本稿では,深層学習に基づく虹彩認識の展開を要約するために120の関連論文を収集した。
  論文  参考訳（メタデータ） (2023-03-15T10:45:21Z)
• Artificial Pupil Dilation for Data Augmentation in Iris Semantic Segmentation [0.0]
  現代の虹彩認識のアプローチでは、深層学習を用いて虹彩の有効部分を眼の他の部分から切り離す。 本稿では,新しいデータ拡張手法を導入することにより,虹彩意味分節システムの精度を向上させることを目的とする。
  論文  参考訳（メタデータ） (2022-12-24T13:31:56Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• 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)
• Deep Collaborative Multi-Modal Learning for Unsupervised Kinship Estimation [53.62256887837659]
  キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。 本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。 我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
  論文  参考訳（メタデータ） (2021-09-07T01:34:51Z)

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。