論文の概要: Generating a Biometrically Unique and Realistic Iris Database

• arxiv url: http://arxiv.org/abs/2503.11930v1
• Date: Sat, 15 Mar 2025 00:28:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:33:53.543960
• Title: Generating a Biometrically Unique and Realistic Iris Database
• Title（参考訳）: 生体的特異かつリアルなアイリスデータベースの作成
• Authors: Jingxuan Zhang, Robert J. Hart, Ziqian Bi, Shiaofen Fang, Susan Walsh,
• Abstract要約: 本稿では,オープンソースの拡散フレームワーク内で拡散モデルをトレーニングすることにより,現実的,生体的,不特定なカラー虹彩画像のデータベースを作成する方法について述べる。 我々は,これらの基準を比較的容易に達成するための拡散ネットワークの有用性を強調し,アイリスデータベース生成やプレゼンテーションアタックセキュリティの文脈でのさらなる研究を保証している。
• 参考スコア（独自算出の注目度）: 2.8486259504314426
• License:
• Abstract: The use of the iris as a biometric identifier has increased dramatically over the last 30 years, prompting privacy and security concerns about the use of iris images in research. It can be difficult to acquire iris image databases due to ethical concerns, and this can be a barrier for those performing biometrics research. In this paper, we describe and show how to create a database of realistic, biometrically unidentifiable colored iris images by training a diffusion model within an open-source diffusion framework. Not only were we able to verify that our model is capable of creating iris textures that are biometrically unique from the training data, but we were also able to verify that our model output creates a full distribution of realistic iris pigmentations. We highlight the fact that the utility of diffusion networks to achieve these criteria with relative ease, warrants additional research in its use within the context of iris database generation and presentation attack security.
• Abstract（参考訳）: 生体認証識別子としての虹彩の使用は、過去30年間で劇的に増加し、研究における虹彩画像の使用に関するプライバシーとセキュリティの懸念が高まった。 倫理的懸念から虹彩画像データベースを取得することは困難であり、生体認証研究を行う人の障壁となる可能性がある。 本稿では,オープンソースの拡散フレームワーク内で拡散モデルをトレーニングすることにより,現実的で生体計測的に識別できないカラー虹彩画像のデータベースを作成する方法について述べる。 我々のモデルは、トレーニングデータからバイオメトリックにユニークな虹彩テクスチャを作成できるだけでなく、我々のモデル出力が現実的な虹彩色素の完全な分布を生成することも確認できた。 我々は,これらの基準を比較的容易に達成するための拡散ネットワークの有用性を強調し,アイリスデータベース生成やプレゼンテーションアタックセキュリティの文脈でのさらなる研究を保証している。

関連論文リスト

• Synthesizing Iris Images using Generative Adversarial Networks: Survey and Comparative Analysis [11.5164036021499]
  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。
  論文  参考訳（メタデータ） (2024-04-26T01:45:58Z)
• EyePreserve: Identity-Preserving Iris Synthesis [8.973296574093506]
  本稿では,アイリス画像の完全データ駆動型,アイデンティティ保存型,瞳孔径変化型合成法を提案する。 提案手法の直接的な応用は、(a)虹彩認識のための既存の生体計測データセットの合成、または強化、および(b)瞳孔拡張に有意な差がある虹彩画像対を調べるための法医学の専門家を支援することである。
  論文  参考訳（メタデータ） (2023-12-19T10:29:29Z)
• 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)
• 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)
• Iris super-resolution using CNNs: is photo-realism important to iris recognition? [67.42500312968455]
  特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している 本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。 彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
  論文  参考訳（メタデータ） (2022-10-24T11:19:18Z)
• Can Shadows Reveal Biometric Information? [48.3561395627331]
  生体情報漏洩は,代表シナリオ下での信頼性の高い同一性推論に十分であることを示す。 そこで我々は,この現象を実環境で示す学習ベース手法を開発した。
  論文  参考訳（メタデータ） (2022-09-21T02:36:32Z)
• Super-Resolution for Selfie Biometrics: Introduction and Application to Face and Iris [67.74999528342273]
  解像度の欠如は、画像ベースのバイオメトリックスの性能に悪影響を及ぼす。 超分解能技術は、特定のバイオメトリック・モダリティの画像の特異性に適応する必要がある。 本章では,顔画像と虹彩画像の超解像化における最近の進歩について概説する。
  論文  参考訳（メタデータ） (2022-04-12T10:28:31Z)
• 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)
• 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。