論文の概要: Canny2Palm: Realistic and Controllable Palmprint Generation for Large-scale Pre-training

• arxiv url: http://arxiv.org/abs/2505.04922v1
• Date: Thu, 08 May 2025 03:37:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.738148
• Title: Canny2Palm: Realistic and Controllable Palmprint Generation for Large-scale Pre-training
• Title（参考訳）: Canny2Palm:大規模プレトレーニングのための現実的で制御可能なパルププリント生成
• Authors: Xingzeng Lan, Xing Duan, Chen Chen, Weiyu Lin, Bo Wang,
• Abstract要約: そこで我々は,Cannyエッジ検出器を用いてヤシのテクスチャを抽出し,Pix2Pixネットワークを用いてリアルなヤシプリント生成を行う,Canny2Palmという新しい合成法を提案する。 Canny2Palmは、実際のパルププリントの分布に従って現実的なデータを合成するだけでなく、制御可能な多様性によって大規模な新しいアイデンティティを生成できる。 オープンセットのパームプリント認識ベンチマークでは、Canny2Palm合成データで事前訓練されたモデルは、最先端の精度を最大7.2%向上させる。
• 参考スコア（独自算出の注目度）: 5.0959026998402965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Palmprint recognition is a secure and privacy-friendly method of biometric identification. One of the major challenges to improve palmprint recognition accuracy is the scarcity of palmprint data. Recently, a popular line of research revolves around the synthesis of virtual palmprints for large-scale pre-training purposes. In this paper, we propose a novel synthesis method named Canny2Palm that extracts palm textures with Canny edge detector and uses them to condition a Pix2Pix network for realistic palmprint generation. By re-assembling palmprint textures from different identities, we are able to create new identities by seeding the generator with new assemblies. Canny2Palm not only synthesizes realistic data following the distribution of real palmprints but also enables controllable diversity to generate large-scale new identities. On open-set palmprint recognition benchmarks, models pre-trained with Canny2Palm synthetic data outperform the state-of-the-art with up to 7.2% higher identification accuracy. Moreover, the performance of models pre-trained with Canny2Palm continues to improve given 10,000 synthetic IDs while those with existing methods already saturate, demonstrating the potential of our method for large-scale pre-training.
• Abstract（参考訳）: パームプリント認識(Palmprint recognition)は、生体認証の安全でプライバシーに配慮した手法である。 パームプリント認識精度を向上させるための大きな課題の1つは、パームプリントデータの不足である。 近年、大規模な事前学習のために仮想パームプリントの合成に関する研究が盛んに行われている。 本稿では,Cannyエッジ検出器を用いてヤシのテクスチャを抽出し,Pix2Pixネットワークを用いてリアルなヤシプリント生成を行う,Canny2Palmという新しい合成法を提案する。 異なるアイデンティティからパームプリントテクスチャを再組み立てすることで、ジェネレータを新しいアセンブリでシードすることで、新しいアイデンティティを生成することができる。 Canny2Palmは、実際のパルププリントの分布に従って現実的なデータを合成するだけでなく、制御可能な多様性によって大規模な新しいアイデンティティを生成できる。 オープンセットのパームプリント認識ベンチマークでは、Canny2Palm合成データで事前訓練されたモデルは、最先端の精度を最大7.2%向上させる。 さらに、Canny2Palmで事前学習したモデルの性能は、既存の手法で既に飽和している1万の合成IDに改善され続けており、大規模事前学習の可能性を実証している。

関連論文リスト

• Diff-Palm: Realistic Palmprint Generation with Polynomial Creases and Intra-Class Variation Controllable Diffusion Models [31.760874666742282]
  パーム認識は、大規模な公開データセットの欠如によって著しく制限されている。 これまでの手法では、手のひらをシミュレートするためにブエジエ曲線を採用しており、これが条件付きGANの入力として機能し、現実的な手のひらプリントを生成する。 本稿では, パーム・クリーゼ生成機構を実際の分布とより密に整合させる新しいパーム・クレーゼ表現を提案する。
  論文  参考訳（メタデータ） (2025-03-24T03:30:58Z)
• GenPalm: Contactless Palmprint Generation with Diffusion Models [25.738682467090335]
  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。
  論文  参考訳（メタデータ） (2024-06-01T03:33:25Z)
• 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)
• RPG-Palm: Realistic Pseudo-data Generation for Palmprint Recognition [26.82617300073746]
  そこで本研究では,ヤシの指紋を大量に合成する現実的な擬似パルムプリント生成モデルを提案する。 我々のモデルは、TAR@FAR=1e-6の1:1$と1:3$のオープンセットプロトコルで、最先端のB'ezierPalmを5%以上、そして14%以上改善します。 この手法はArcFaceを100%の訓練データで上回り、実データフリーのパームプリント認識に近づきつつあることを示す。
  論文  参考訳（メタデータ） (2023-07-26T07:57:56Z)
• SpoofGAN: Synthetic Fingerprint Spoof Images [47.87570819350573]
  指紋スプーフ検出の進歩に対する大きな制限は、公開可能な大規模な指紋スプーフデータセットの欠如である。 この研究は、これらのアルゴリズムに十分なデータを供給する際に、合成指紋(ライブ指紋とスプーフ指紋の両方)の有用性を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-04-13T16:27:27Z)
• 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)
• 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)
• 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)
• 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)

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。