論文の概要: Gradient-Guided Exploration of Generative Model's Latent Space for Controlled Iris Image Augmentations

• arxiv url: http://arxiv.org/abs/2511.09749v1
• Date: Fri, 14 Nov 2025 01:07:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.462266
• Title: Gradient-Guided Exploration of Generative Model's Latent Space for Controlled Iris Image Augmentations
• Title（参考訳）: アイリス画像強化のための生成モデルの潜時空間の勾配誘導探索
• Authors: Mahsa Mitcheff, Siamul Karim Khan, Adam Czajka,
• Abstract要約: 生成モデルの潜時空間を潜時符号にトラバースすることで、新しいアイリス画像拡張戦略を導入する。 提案手法は、微分可能な損失項を定式化できる属性を操作するために容易に拡張できる。 GANインバージョンを用いて任意の虹彩画像を潜在空間に投影し、対応する潜在符号を得る。
• 参考スコア（独自算出の注目度）: 3.6245424131171813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Developing reliable iris recognition and presentation attack detection methods requires diverse datasets that capture realistic variations in iris features and a wide spectrum of anomalies. Because of the rich texture of iris images, which spans a wide range of spatial frequencies, synthesizing same-identity iris images while controlling specific attributes remains challenging. In this work, we introduce a new iris image augmentation strategy by traversing a generative model's latent space toward latent codes that represent same-identity samples but with some desired iris image properties manipulated. The latent space traversal is guided by a gradient of specific geometrical, textural, or quality-related iris image features (e.g., sharpness, pupil size, iris size, or pupil-to-iris ratio) and preserves the identity represented by the image being manipulated. The proposed approach can be easily extended to manipulate any attribute for which a differentiable loss term can be formulated. Additionally, our approach can use either randomly generated images using either a pre-train GAN model or real-world iris images. We can utilize GAN inversion to project any given iris image into the latent space and obtain its corresponding latent code.
• Abstract（参考訳）: 信頼性の高い虹彩認識と提示攻撃検出手法を開発するには、虹彩の特徴の現実的な変動と幅広い異常を捉える多様なデータセットが必要である。 広い空間周波数にまたがるアイリス像の豊かなテクスチャのため、特定の属性を制御しながら同一のアイリス像を合成することは依然として困難である。 そこで本研究では,同値なサンプルを示す潜在符号に対して生成モデルの潜時空間をトラバースすることで,アイリス画像の新たな拡張戦略を提案する。 潜時空間トラバーサルは、特定の幾何学的、テクスチャ的、または品質関連の虹彩画像特徴(例えば、シャープネス、瞳孔サイズ、虹彩サイズ、または瞳孔比)の勾配で導かれ、操作中の画像で表される同一性を保持する。 提案手法は、微分可能な損失項を定式化できる属性を操作するために容易に拡張できる。 さらに,本手法では,事前学習型GANモデルと実世界の虹彩画像のいずれかを用いてランダムに生成した画像を利用することができる。 GANインバージョンを用いて任意の虹彩画像を潜在空間に投影し、対応する潜在符号を得る。

関連論文リスト

• On the Feasibility of Creating Iris Periocular Morphed Images [9.021226651004055]
  本研究は、画像レベルで虹彩形態を生成するためのエンドツーエンドフレームワークを提案する。 ペア対象の選択、セグメンテーション、形態形成、新しい虹彩認識システムなど、異なる段階を考慮する。 その結果,従来の虹彩認識システムと混同できる非常にリアルな画像が得られた。
  論文  参考訳（メタデータ） (2024-08-24T06:48:46Z)
• 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)
• iWarpGAN: Disentangling Identity and Style to Generate Synthetic Iris Images [13.60510525958336]
  iWarpGANは、クラス間とクラス内の両方のバリエーションでアイリス画像を生成する。 深層学習に基づく虹彩マッチングの性能を向上させることで合成画像の有用性を実証する。
  論文  参考訳（メタデータ） (2023-05-21T23:10:14Z)
• Super-Resolution and Image Re-projection for Iris Recognition [67.42500312968455]
  異なるディープラーニングアプローチを用いた畳み込みニューラルネットワーク(CNN)は、解像度の低い画像から現実的なテクスチャときめ細かい詳細を復元しようとする。 本研究は、虹彩認識環境における虹彩超解法(SR)に対するこれらのアプローチの実現可能性について検討する。 その結果,CNNと画像再投影は,認識システムの精度向上に有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-20T09:46:23Z)
• DeformIrisNet: An Identity-Preserving Model of Iris Texture Deformation [4.142375560633827]
  アイリス認識の主流となるアプローチでは、リング状のアイリス領域のサイズは正準長方形に線形にスケールされる。 データから直接アイリステクスチャの特徴の複雑な動きを効果的に学習できる新しいディープオートエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:23:23Z)
• Iris Recognition Based on SIFT Features [63.07521951102555]
  アイリス画像の認識にはSIFT(Scale Invariant Feature Transformation)を用いる。 我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。 また、SIFT手法と、極座標変換とLog-Gaborウェーブレットに基づく一般的なマッチング手法の相補性を示す。
  論文  参考訳（メタデータ） (2021-10-30T04:55:33Z)
• Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
  高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
  論文  参考訳（メタデータ） (2021-10-20T01:37:19Z)
• DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
  我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。 大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。 同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
  論文  参考訳（メタデータ） (2020-09-20T09:48:24Z)
• 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)
• Fine-grained Image-to-Image Transformation towards Visual Recognition [102.51124181873101]
  我々は,入力画像の同一性を保った画像を生成するために,微細なカテゴリで画像を変換することを目的としている。 我々は、画像のアイデンティティと非関連要因をアンハングルするために、生成的敵ネットワークに基づくモデルを採用する。 CompCarsとMulti-PIEデータセットの実験では、我々のモデルが生成した画像のアイデンティティを、最先端の画像-画像変換モデルよりもはるかによく保存していることが示された。
  論文  参考訳（メタデータ） (2020-01-12T05:26:47Z)

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。