論文の概要: FingerSplat: Contactless Fingerprint 3D Reconstruction and Generation based on 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2509.15648v1
• Date: Fri, 19 Sep 2025 06:18:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.024445
• Title: FingerSplat: Contactless Fingerprint 3D Reconstruction and Generation based on 3D Gaussian Splatting
• Title（参考訳）: フィンガースプラット:3次元ガウススプラッティングに基づく非接触型フィンガープリント3次元再構成と生成
• Authors: Yuwei Jia, Yutang Lu, Zhe Cui, Fei Su,
• Abstract要約: 我々は3Dガウススプラッティングを統合した新しい非接触型指紋3Dレジストレーション・再構築・生成フレームワークを提案する。 3D指紋登録、再構築、生成の実験により、2D画像から3D指紋を正確に調整、再構成できることが証明された。
• 参考スコア（独自算出の注目度）: 24.010110861990373
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Researchers have conducted many pioneer researches on contactless fingerprints, yet the performance of contactless fingerprint recognition still lags behind contact-based methods primary due to the insufficient contactless fingerprint data with pose variations and lack of the usage of implicit 3D fingerprint representations. In this paper, we introduce a novel contactless fingerprint 3D registration, reconstruction and generation framework by integrating 3D Gaussian Splatting, with the goal of offering a new paradigm for contactless fingerprint recognition that integrates 3D fingerprint reconstruction and generation. To our knowledge, this is the first work to apply 3D Gaussian Splatting to the field of fingerprint recognition, and the first to achieve effective 3D registration and complete reconstruction of contactless fingerprints with sparse input images and without requiring camera parameters information. Experiments on 3D fingerprint registration, reconstruction, and generation prove that our method can accurately align and reconstruct 3D fingerprints from 2D images, and sequentially generates high-quality contactless fingerprints from 3D model, thus increasing the performances for contactless fingerprint recognition.
• Abstract（参考訳）: 研究者たちは、接触のない指紋に関する多くの先駆的な研究をしてきたが、接触のない指紋認識は、ポーズのバリエーションや暗黙的な3D指紋表現の使用の欠如による接触のない指紋データが不足しているため、接触ベースの方法よりもまだ遅れている。 本稿では、3Dガウススプラッティングを統合した新しい非接触指紋登録・再構築・生成の枠組みを導入するとともに、3D指紋再構成・生成を統合した接触指紋認識のための新しいパラダイムを提案する。 我々の知る限り、3Dガウススプラッティングを指紋認識の分野に適用する最初の試みであり、カメラパラメータ情報を必要とせず、少ない入力画像で接触のない指紋を効果的に3D登録し、完全に再構築する試みである。 2次元画像から3次元指紋を正確に整列・再構成し、3次元モデルから高品質な非接触指紋を順次生成し、非接触指紋認識の性能を向上させる。

関連論文リスト

• Contactless Fingerprint Recognition Using 3D Graph Matching [12.092701535950097]
  既存の非接触指紋アルゴリズムは、非接触指紋を2Dプレーン指紋として扱う。 この認識アプローチは、非接触指紋と接触指紋のモダリティ差を考慮しない。 本稿では,接触指紋の3次元特徴を捉える新しい非接触指紋認識アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-13T12:39:57Z)
• Pose-Specific 3D Fingerprint Unfolding [34.16169623776737]
  3D指紋を従来の2D平面指紋と互換性を持たせるために、一般的には3D指紋を2Dロール指紋に展開する。 この方法の問題点は、展開された転がり指紋と平らな指紋との間に大きな弾性変形がある可能性があることである。 平面指紋と同じポーズを用いて3次元指紋を展開させるために,ポーズ特異的な3次元指紋展開アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-26T04:44:23Z)
• RFDforFin: Robust Deep Forgery Detection for GAN-generated Fingerprint Images [45.73061833269094]
  本稿では,GAN生成画像の独自の隆起特性と生成アーティファクトを組み合わせた指紋画像に対する最初の深部偽造検出手法を提案する。 提案手法は,低複雑性で有効かつ堅牢である。
  論文  参考訳（メタデータ） (2023-08-18T04:05:18Z)
• Hierarchical Perceptual Noise Injection for Social Media Fingerprint Privacy Protection [106.5308793283895]
  ソーシャルメディアからの指紋漏洩は 画像を匿名化したいという強い欲求を喚起します 指紋漏洩を保護するために、画像に知覚不能な摂動を加えることにより、敵攻撃が解決策として現れる。 この問題を解決するために,階層型パーセプティカルノイズ注入フレームワークであるFingerSafeを提案する。
  論文  参考訳（メタデータ） (2022-08-23T02:20:46Z)
• FIGO: Enhanced Fingerprint Identification Approach Using GAN and One Shot Learning Techniques [0.0]
  本稿では,生成逆数ネットワークとワンショット学習技術に基づく指紋識別手法を提案する。 まず,低画質の指紋画像を,指紋強調層に直接画素を向けて高レベルの指紋画像に変換するPix2Pixモデルを提案する。 第2に,指紋識別プロセスにおいて,各指紋を他の指紋と区別するために,ワンショット学習アプローチを用いた完全自動指紋特徴抽出モデルを構築した。
  論文  参考訳（メタデータ） (2022-08-11T02:45:42Z)
• On the vulnerability of fingerprint verification systems to fake fingerprint attacks [57.36125468024803]
  中規模の偽指紋データベースを記述し、2つの異なる指紋認証システムを評価する。 光およびサーマルスイーピングセンサの結果が提供される。
  論文  参考訳（メタデータ） (2022-07-11T12:22:52Z)
• Monocular 3D Fingerprint Reconstruction and Unwarping [36.50244665233824]
  本研究では,1つの画像から3次元指の形状を再構成し,視点歪みを抑制するための学習ベース形状を提案する。 接触のない指紋データベース実験の結果,提案手法は3次元再構成精度が高いことがわかった。
  論文  参考訳（メタデータ） (2022-05-02T15:09:05Z)
• Model-based 3D Hand Reconstruction via Self-Supervised Learning [72.0817813032385]
  シングルビューのRGB画像から3Dハンドを再構成することは、様々な手構成と深さのあいまいさのために困難である。 ポーズ, 形状, テクスチャ, カメラ視点を共同で推定できる, 自己教師型3Dハンド再構成ネットワークであるS2HANDを提案する。 初めて手動アノテーションを使わずに、正確な3D手の再構築ネットワークを訓練できることを実証しました。
  論文  参考訳（メタデータ） (2021-03-22T10:12:43Z)
• 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)

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。