論文の概要: Ridgeformer: Mutli-Stage Contrastive Training For Fine-grained Cross-Domain Fingerprint Recognition

• arxiv url: http://arxiv.org/abs/2506.01806v1
• Date: Mon, 02 Jun 2025 15:51:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:42:09.313243
• Title: Ridgeformer: Mutli-Stage Contrastive Training For Fine-grained Cross-Domain Fingerprint Recognition
• Title（参考訳）: Ridgeformer:Mutli-Stage Contrastive Training for Fine-Dmain Fingerprint Recognition
• Authors: Shubham Pandey, Bhavin Jawade, Srirangaraj Setlur,
• Abstract要約: 無接触指紋認識は 顕著な課題に直面しています これらには、アウト・オブ・フォーカスの画像取得、指紋隆起と谷のコントラストの低減、指の位置のばらつき、視点歪みなどが含まれる。 マルチステージトランスを用いたコンタクトレス指紋マッチング手法を提案する。
• 参考スコア（独自算出の注目度）: 2.673115295400292
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing demand for hygienic and portable biometric systems has underscored the critical need for advancements in contactless fingerprint recognition. Despite its potential, this technology faces notable challenges, including out-of-focus image acquisition, reduced contrast between fingerprint ridges and valleys, variations in finger positioning, and perspective distortion. These factors significantly hinder the accuracy and reliability of contactless fingerprint matching. To address these issues, we propose a novel multi-stage transformer-based contactless fingerprint matching approach that first captures global spatial features and subsequently refines localized feature alignment across fingerprint samples. By employing a hierarchical feature extraction and matching pipeline, our method ensures fine-grained, cross-sample alignment while maintaining the robustness of global feature representation. We perform extensive evaluations on publicly available datasets such as HKPolyU and RidgeBase under different evaluation protocols, such as contactless-to-contact matching and contactless-to-contactless matching and demonstrate that our proposed approach outperforms existing methods, including COTS solutions.
• Abstract（参考訳）: 衛生・携帯型生体認証システムへの需要が高まっていることは、非接触指紋認識の進歩に対する重要な必要性を浮き彫りにしている。 その可能性にもかかわらず、この技術は、焦点外画像取得、指紋の尾根と谷のコントラストの縮小、指の位置のばらつき、視点歪みなど、顕著な課題に直面している。 これらの要因は接触のない指紋照合の精度と信頼性を著しく損なう。 これらの課題に対処するために,まずグローバルな空間的特徴を捉え,続いて指紋サンプル間の局所的特徴アライメントを改良する,マルチステージトランスフォーマーベースの接触レス指紋マッチング手法を提案する。 階層的な特徴抽出とマッチングパイプラインを用いることで,グローバルな特徴表現の堅牢性を維持しつつ,細粒度でクロスサンプルなアライメントを確保できる。 我々は,HKPolyUやRookBaseなどの公開データセットに対して,接触非接触マッチングや接触非接触非接触マッチングなどの異なる評価プロトコルの下で広範囲に評価を行い,提案手法がCOTSソリューションを含む既存の手法よりも優れていることを示す。

関連論文リスト

• Finger Pose Estimation for Under-screen Fingerprint Sensor [33.05877729161858]
  画面下指紋ポーズ推定のための新しいデュアルモーダル入力ベースネットワークを提案する。 本手法は,スクリーン下指紋センサによる隆起パッチから抽出したテクスチャの詳細と,タッチスクリーンから得られた容量画像から得られた粗い輪郭を効果的に統合する。 本手法は従来のSOTA法よりも優れており,指紋認識アルゴリズムの認識能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-05-05T09:05:47Z)
• Latent fingerprint enhancement for accurate minutiae detection [8.996826918574463]
  本稿では,GAN(Generative Adversary Network)を用いてLFE(Latent Fingerprint Enhancement)を再定義する手法を提案する。 生成過程の微妙な情報を直接最適化することにより、このモデルは、地味な事例に対して例外的な忠実さを示す強化された潜伏指紋を生成する。 筆者らのフレームワークは, 微小な位置と配向場を統合し, 局所的および構造的指紋の特徴の保存を確実にする。
  論文  参考訳（メタデータ） (2024-09-18T08:35:31Z)
• 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)
• Joint Identity Verification and Pose Alignment for Partial Fingerprints [33.05877729161858]
  本稿では,部分指紋ペアの協調識別とポーズアライメントのための新しいフレームワークを提案する。 本手法は,部分的指紋認証と相対的ポーズ推定の両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-05-07T02:45:50Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• A high performance fingerprint liveness detection method based on quality related features [66.41574316136379]
  このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。 提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
  論文  参考訳（メタデータ） (2021-11-02T21:09:39Z)
• 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)

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。