論文の概要: Synthetic Iris Image Databases and Identity Leakage: Risks and Mitigation Strategies

• arxiv url: http://arxiv.org/abs/2506.02626v1
• Date: Tue, 03 Jun 2025 08:41:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.495813
• Title: Synthetic Iris Image Databases and Identity Leakage: Risks and Mitigation Strategies
• Title（参考訳）: 合成虹彩画像データベースとアイデンティティ漏洩:リスクと緩和戦略
• Authors: Ada Sawilska, Mateusz Trokielewicz,
• Abstract要約: アイリスデータを合成する方法は、手作りの画像処理技術から、GANベースの画像生成装置の様々なイテレーションまで様々である。 トレーニングセットからの個々の生体情報漏洩のリスクを考慮し,その防止戦略について検討した。
• 参考スコア（独自算出の注目度）: 0.4910937238451484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a comprehensive overview of iris image synthesis methods, which can alleviate the issues associated with gathering large, diverse datasets of biometric data from living individuals, which are considered pivotal for biometric methods development. These methods for synthesizing iris data range from traditional, hand crafted image processing-based techniques, through various iterations of GAN-based image generators, variational autoencoders (VAEs), as well as diffusion models. The potential and fidelity in iris image generation of each method is discussed and examples of inferred predictions are provided. Furthermore, the risks of individual biometric features leakage from the training sets are considered, together with possible strategies for preventing them, which have to be implemented should these generative methods be considered a valid replacement of real-world biometric datasets.
• Abstract（参考訳）: 本稿では,生体画像合成手法の総合的な概要を述べるとともに,生体から多種多様な生体データのデータセットを収集する際の問題点を緩和し,生体画像合成手法の開発に欠かせないものと考えられる。 これらのアイリスデータの合成方法は、従来の手作り画像処理技術から、GANベースの画像生成装置の様々なイテレーション、変分オートエンコーダ(VAE)、拡散モデルまで様々である。 それぞれの手法の虹彩画像生成の可能性と忠実度について考察し, 推定予測の例を示す。 さらに、トレーニングセットからの個々の生体情報漏洩のリスクも考慮し、これらの生成手法を実世界のバイオメトリックデータセットの有効な置き換えと見なす必要がある場合、それらを防止するための戦略も検討する。

関連論文リスト

• Synthetic Forehead-creases Biometric Generation for Reliable User Verification [6.639785884921617]
  本稿では,前頭葉画像データを一意性やリアリズムといった重要な特徴を維持しつつ合成する新しい枠組みを提案する。 Fr'echet Inception Distance (FID) と構造類似度指数測定 (SSIM) を用いて、生成された額部画像の多様性と現実性を評価する。
  論文  参考訳（メタデータ） (2024-08-28T10:33:00Z)
• 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)
• GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
  フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。 公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。 我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
  論文  参考訳（メタデータ） (2024-02-03T03:13:50Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• EyePreserve: Identity-Preserving Iris Synthesis [8.468443367440052]
  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。 既存のアイデンティティを表す瞳の大きさの異なるアイライズ像を合成し、既存の被験者のアイライズ像のテクスチャを非線形に変形させることができる。 アイリス認識実験により, 提案した変形モデルは, 瞳孔径を変化させる際の同一性を保持するとともに, 瞳孔径に有意な差がある同一性アイリス試料との類似性も良好に保たれることが示唆された。
  論文  参考訳（メタデータ） (2023-12-19T10:29:29Z)
• A comparison of different atmospheric turbulence simulation methods for image restoration [64.24948495708337]
  大気の乱流は、長距離イメージングシステムによって捉えられた画像の品質を悪化させる。 深層学習に基づく大気乱流緩和法が文献で提案されている。 様々な乱流シミュレーション手法が画像復元に与える影響を系統的に評価した。
  論文  参考訳（メタデータ） (2022-04-19T16:21:36Z)
• Generation of Non-Deterministic Synthetic Face Datasets Guided by Identity Priors [19.095368725147367]
  本稿では、StyleGANの構造化された潜在空間を利用して、マット付き顔画像を生成する非決定論的手法を提案する。 25,919個の合成IDを含む77,034個のサンプルからなる合成顔画像(SymFace)のデータセットを作成する。
  論文  参考訳（メタデータ） (2021-12-07T11:08:47Z)
• Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
  まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。 眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。 IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
  論文  参考訳（メタデータ） (2021-03-30T01:30:08Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。