論文の概要: LatentPrintFormer: A Hybrid CNN-Transformer with Spatial Attention for Latent Fingerprint identification

• arxiv url: http://arxiv.org/abs/2511.08119v1
• Date: Wed, 12 Nov 2025 01:40:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.652225
• Title: LatentPrintFormer: A Hybrid CNN-Transformer with Spatial Attention for Latent Fingerprint identification
• Title（参考訳）: LatentPrintFormer:潜時指紋識別のための空間注意型ハイブリッドCNN変換器
• Authors: Arnab Maity, Manasa, Pavan Kumar C, Raghavendra Ramachandra,
• Abstract要約: 画像品質、背景雑音、部分的な印象が低いため、潜伏指紋識別は難しい課題である。 本研究では、LatentPrintFormerと呼ばれる新しい識別手法を提案する。 提案モデルはCNNバックボーン(EfficientNet-B0)とTransformerバックボーン(Swin Tiny)を統合し,潜伏指紋から局所的特徴とグローバル的特徴の両方を抽出する。
• 参考スコア（独自算出の注目度）: 4.819347753965351
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent fingerprint identification remains a challenging task due to low image quality, background noise, and partial impressions. In this work, we propose a novel identification approach called LatentPrintFormer. The proposed model integrates a CNN backbone (EfficientNet-B0) and a Transformer backbone (Swin Tiny) to extract both local and global features from latent fingerprints. A spatial attention module is employed to emphasize high-quality ridge regions while suppressing background noise. The extracted features are fused and projected into a unified 512-dimensional embedding, and matching is performed using cosine similarity in a closed-set identification setting. Extensive experiments on two publicly available datasets demonstrate that LatentPrintFormer consistently outperforms three state-of-the-art latent fingerprint recognition techniques, achieving higher identification rates across Rank-10.
• Abstract（参考訳）: 画像品質、背景雑音、部分的な印象が低いため、潜伏指紋認証は依然として困難な課題である。 本研究では、LatentPrintFormerと呼ばれる新しい識別手法を提案する。 提案モデルはCNNバックボーン(EfficientNet-B0)とTransformerバックボーン(Swin Tiny)を統合し,潜伏指紋から局所的特徴とグローバル的特徴の両方を抽出する。 背景雑音を抑えつつ、高品質な尾根領域を強調するために空間アテンションモジュールを用いる。 抽出した特徴を融合して512次元の埋め込みに投影し、クローズドセット識別設定においてコサイン類似性を用いてマッチングを行う。 公開された2つのデータセットに対する大規模な実験によると、LatentPrintFormerは3つの最先端の潜伏指紋認識技術を一貫して上回り、ランク10で高い識別率を達成した。

関連論文リスト

• Minutiae-Anchored Local Dense Representation for Fingerprint Matching [32.21219375759034]
  そこで本研究では,指紋マッチングのための局所的局所密度表現であるDMDを提案する。 きめ細かい尾根のテクスチャと、空間的に構造化された識別性ミナミジアの特徴の両方をキャプチャする。 高い計算効率を維持しながら、複数のベンチマークで最先端の精度を実現している。
  論文  参考訳（メタデータ） (2025-07-21T06:55:54Z)
• 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)
• Fusion of Minutia Cylinder Codes and Minutia Patch Embeddings for Latent Fingerprint Recognition [1.534667887016089]
  本稿では,潜伏指紋認識に対する融合型局所マッチング手法を提案する。 提案されたアプローチは、これらの手作り機能と、最近提案された深層ニューラルネットワークの組み込み機能を多段階融合アプローチに統合する。
  論文  参考訳（メタデータ） (2024-03-24T14:29:41Z)
• A Universal Latent Fingerprint Enhancer Using Transformers [47.87570819350573]
  本研究の目的は,ULPrintと呼ばれる高速なフィンガープリント方式を開発し,様々な潜伏指紋のタイプを増強することである。 クローズドセットの識別精度実験では、MSU-AFISの性能は61.56%から75.19%に向上した。
  論文  参考訳（メタデータ） (2023-05-31T23:01:11Z)
• Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
  接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。 近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。 本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
  論文  参考訳（メタデータ） (2023-01-07T20:55:16Z)
• Synthetic Latent Fingerprint Generator [47.87570819350573]
  フル指紋画像(ローリングまたはスラップ)が与えられた場合、私たちはCycleGANモデルを示し、フルプリントと同じアイデンティティの複数の潜在印象を生成する。 我々のモデルは、生成された潜在印刷画像の歪み、ノイズ、ぼかし、閉塞の程度を制御できる。 合成潜入指紋を生成する手法は,潜入指紋の認識性能向上に有効である。
  論文  参考訳（メタデータ） (2022-08-29T18:02:02Z)
• Pair-Relationship Modeling for Latent Fingerprint Recognition [25.435974669629374]
  本稿では,2つの指紋のペア関係を認識の類似性として直接モデル化する手法を提案する。 2つのデータベースに対する実験結果から,提案手法が技術状況より優れていることが示された。
  論文  参考訳（メタデータ） (2022-07-02T11:31:31Z)
• 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)
• 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。