論文の概要: Fixed-Length Dense Fingerprint Representation

• arxiv url: http://arxiv.org/abs/2505.03597v1
• Date: Tue, 06 May 2025 14:59:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.439044
• Title: Fixed-Length Dense Fingerprint Representation
• Title（参考訳）: 固定長密度フィンガープリント表現
• Authors: Zhiyu Pan, Xiongjun Guan, Yongjie Duan, Jianjiang Feng, Jie Zhou,
• Abstract要約: 本稿では,指紋の固定長密度記述子を提案し,指紋マッチングフレームワークFLAREを提案する。 提案する高密度ディスクリプタは、空間対応を維持しながら、固定長表現をサポートする。 実験により、FLAREは転がり、平ら、潜伏、接触のない指紋間で優れた性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 32.21219375759034
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Fixed-length fingerprint representations, which map each fingerprint to a compact and fixed-size feature vector, are computationally efficient and well-suited for large-scale matching. However, designing a robust representation that effectively handles diverse fingerprint modalities, pose variations, and noise interference remains a significant challenge. In this work, we propose a fixed-length dense descriptor of fingerprints, and introduce FLARE-a fingerprint matching framework that integrates the Fixed-Length dense descriptor with pose-based Alignment and Robust Enhancement. This fixed-length representation employs a three-dimensional dense descriptor to effectively capture spatial relationships among fingerprint ridge structures, enabling robust and locally discriminative representations. To ensure consistency within this dense feature space, FLARE incorporates pose-based alignment using complementary estimation methods, along with dual enhancement strategies that refine ridge clarity while preserving the original fingerprint modality. The proposed dense descriptor supports fixed-length representation while maintaining spatial correspondence, enabling fast and accurate similarity computation. Extensive experiments demonstrate that FLARE achieves superior performance across rolled, plain, latent, and contactless fingerprints, significantly outperforming existing methods in cross-modality and low-quality scenarios. Further analysis validates the effectiveness of the dense descriptor design, as well as the impact of alignment and enhancement modules on the accuracy of dense descriptor matching. Experimental results highlight the effectiveness and generalizability of FLARE as a unified and scalable solution for robust fingerprint representation and matching. The implementation and code will be publicly available at https://github.com/Yu-Yy/FLARE.
• Abstract（参考訳）: 各指紋をコンパクトで固定サイズの特徴ベクトルにマッピングする固定長指紋表現は、計算効率が高く、大規模マッチングに適している。 しかし、多様な指紋モダリティ、ポーズのバリエーション、ノイズ干渉を効果的に扱う堅牢な表現を設計することは、依然として大きな課題である。 本研究では, 指紋の固定長密度記述子を提案し, FLARE-a fingerprint matching framework を導入し, 固定長密度記述子とポーズに基づくアライメントとロバスト強調を統合した。 この固定長表現は、指紋隆起構造間の空間的関係を効果的に捉え、堅牢で局所的な識別的表現を可能にする3次元密度のディスクリプタを用いる。 この密集した特徴空間内での整合性を確保するため、FLAREは補的推定法を用いてポーズベースのアライメントと、元の指紋のモダリティを保ちながら隆起の明瞭さを洗練させる2つの拡張戦略を取り入れている。 提案した高密度ディスクリプタは、空間対応を維持しながら、固定長表現をサポートし、高速かつ正確な類似性計算を可能にする。 大規模な実験により、FLAREは、転がり、平ら、潜り、接触のない指紋に対して優れた性能を発揮し、クロスモダリティと低品質のシナリオにおいて既存の方法よりも大幅に優れていた。 さらに解析により、高密度記述子設計の有効性と、高密度記述子マッチングの精度に対するアライメントおよび拡張モジュールの影響が検証される。 実験結果から,指紋の堅牢な表現とマッチングのための統一的でスケーラブルなソリューションとして,FLAREの有効性と一般化性を強調した。 実装とコードはhttps://github.com/Yu-Yy/FLAREで公開される。

関連論文リスト

• IFViT: Interpretable Fixed-Length Representation for Fingerprint Matching via Vision Transformer [18.481207354858533]
  Vision Transformer (IFViT) を用いた指紋照合のための多段階対応指紋マッチングネットワークを提案する。 解釈可能な高密度登録モジュールである最初のモジュールは、ViT(Vision Transformer)ベースのSiamese Networkを確立し、指紋ペア内の長距離依存関係とグローバルコンテキストをキャプチャする。 第2のモジュールは、整列されたフィンガーペアの局所的および大域的表現を考慮に入れ、解釈可能な固定長表現抽出とマッチングを実現する。
  論文  参考訳（メタデータ） (2024-04-12T04:44:11Z)
• Fixed-length Dense Descriptor for Efficient Fingerprint Matching [33.808749518785]
  指紋照合のためのFDD(Fixed-length Dense Descriptor)と呼ばれる3次元表現を提案する。 FDDは優れた空間特性を備えており、元の指紋の空間的関係を捉えることができる。 各種指紋データを用いた実験により,FDDが他の固定長ディスクリプタよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-30T14:15:39Z)
• Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
  セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。 本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。 アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
  論文  参考訳（メタデータ） (2022-02-21T15:30:14Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)
• ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
  ProxyFAUGはルールベースで近接性に基づく指紋増強法である。 このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
  論文  参考訳（メタデータ） (2021-02-04T15:59:30Z)
• Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
  既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。 本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。 提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
  論文  参考訳（メタデータ） (2020-05-12T15:51:59Z)
• Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
  深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。 本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。 複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
  論文  参考訳（メタデータ） (2020-03-31T22:38:09Z)

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。