論文の概要: PalmBridge: A Plug-and-Play Feature Alignment Framework for Open-Set Palmprint Verification

• arxiv url: http://arxiv.org/abs/2601.20351v1
• Date: Wed, 28 Jan 2026 08:09:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.832393
• Title: PalmBridge: A Plug-and-Play Feature Alignment Framework for Open-Set Palmprint Verification
• Title（参考訳）: PalmBridge: オープンセットのPalmprint検証のためのPlug-and-Play機能アライメントフレームワーク
• Authors: Chenke Zhang, Ziyuan Yang, Licheng Yan, Shuyi Li, Andrew Beng Jin Teoh, Bob Zhang, Yi Zhang,
• Abstract要約: PalmBridgeは、ベクトル量子化に基づくオープンセットパームプリント検証のためのプラグアンドプレイフレームワークである。 そこで,PalmBridgeは,データセット内オープンセット評価において一貫してEERを削減し,無視可能なランタイムオーバーヘッドでデータセット間の一般化を改善する。
• 参考スコア（独自算出の注目度）: 38.68283582292019
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Palmprint recognition is widely used in biometric systems, yet real-world performance often degrades due to feature distribution shifts caused by heterogeneous deployment conditions. Most deep palmprint models assume a closed and stationary distribution, leading to overfitting to dataset-specific textures rather than learning domain-invariant representations. Although data augmentation is commonly used to mitigate this issue, it assumes augmented samples can approximate the target deployment distribution, an assumption that often fails under significant domain mismatch. To address this limitation, we propose PalmBridge, a plug-and-play feature-space alignment framework for open-set palmprint verification based on vector quantization. Rather than relying solely on data-level augmentation, PalmBridge learns a compact set of representative vectors directly from training features. During enrollment and verification, each feature vector is mapped to its nearest representative vector under a minimum-distance criterion, and the mapped vector is then blended with the original vector. This design suppresses nuisance variation induced by domain shifts while retaining discriminative identity cues. The representative vectors are jointly optimized with the backbone network using task supervision, a feature-consistency objective, and an orthogonality regularization term to form a stable and well-structured shared embedding space. Furthermore, we analyze feature-to-representative mappings via assignment consistency and collision rate to assess model's sensitivity to blending weights. Experiments on multiple palmprint datasets and backbone architectures show that PalmBridge consistently reduces EER in intra-dataset open-set evaluation and improves cross-dataset generalization with negligible to modest runtime overhead.
• Abstract（参考訳）: パルププリント認識は生体認証システムで広く使われているが、異種展開条件による特徴分布シフトにより実世界の性能は劣化することが多い。 ほとんどのディープパームプリントモデルは、閉かつ定常的な分布を仮定し、ドメイン不変表現を学習するのではなく、データセット固有のテクスチャに過度に適合する。 データ拡張はこの問題を軽減するために一般的に使用されるが、拡張されたサンプルはターゲットのデプロイメント分布を近似することができると仮定する。 この制限に対処するために、ベクトル量子化に基づくオープンセットパームプリント検証のためのプラグアンドプレイ機能空間アライメントフレームワークであるPalmBridgeを提案する。 PalmBridgeはデータレベルの拡張にのみ依存するのではなく、トレーニング機能から直接代表ベクトルのコンパクトなセットを学習する。 登録と検証の間、各特徴ベクトルは最小距離基準の下で最も近い代表ベクトルにマッピングされ、マッピングされたベクトルは元のベクトルとブレンドされる。 この設計は、識別アイデンティティの手がかりを維持しながら、ドメインシフトによって引き起こされるニュアンス変動を抑制する。 代表ベクトルは、タスク監督、特徴整合目的、直交正規化項を用いて、バックボーンネットワークと共同で最適化され、安定かつよく構造化された共有埋め込み空間を形成する。 さらに,重み付けに対するモデルの感度を評価するために,代入一貫性と衝突速度を用いて特徴対表現マッピングを解析する。 複数のパームプリントデータセットとバックボーンアーキテクチャの実験により、PalmBridgeは、データセット内のオープンセット評価において、一貫してEERを削減し、実行時のオーバーヘッドを無視して、データセット間の一般化を改善する。

関連論文リスト

• Saccadic Vision for Fine-Grained Visual Classification [10.681604440788854]
  きめ細かい視覚分類(FGVC)は、微妙で局所的な特徴によって視覚的に類似したカテゴリーを区別する必要がある。 既存のパートベースの手法は、ピクセルからサンプル空間へのマッピングを学習する複雑なローカライゼーションネットワークに依存している。 本稿では,まず周辺特徴を抽出し,サンプルマップを生成する2段階プロセスを提案する。 我々は、周辺と焦点の表現を融合する前に、各固定パッチの影響を定量的に評価するために、文脈選択的注意を用いる。
  論文  参考訳（メタデータ） (2025-09-19T07:03:37Z)
• Beyond BEV: Optimizing Point-Level Tokens for Collaborative Perception [17.654858416126093]
  協調的知覚により、エージェントは中間的特徴を交換することで知覚能力を高めることができる。 既存の手法は通常、これらの中間機能を2D Bird's-eye-view (BEV)表現として整理する。 ポイントレベル最適化トークンを利用した新しい協調認識フレームワークであるCoPLOTを提案する。
  論文  参考訳（メタデータ） (2025-08-27T07:27:42Z)
• Spatial-Temporal-Spectral Unified Modeling for Remote Sensing Dense Prediction [20.1863553357121]
  リモートセンシングのための現在のディープラーニングアーキテクチャは、基本的に堅固である。 本稿では,統合モデリングのための空間時間スペクトル統一ネットワーク(STSUN)について紹介する。 STSUNは任意の空間サイズ、時間長、スペクトル帯域で入力および出力データに適応することができる。 様々な密集した予測タスクと多様な意味クラス予測を統一する。
  論文  参考訳（メタデータ） (2025-05-18T07:39:17Z)
• Diff-Palm: Realistic Palmprint Generation with Polynomial Creases and Intra-Class Variation Controllable Diffusion Models [31.760874666742282]
  パーム認識は、大規模な公開データセットの欠如によって著しく制限されている。 これまでの手法では、手のひらをシミュレートするためにブエジエ曲線を採用しており、これが条件付きGANの入力として機能し、現実的な手のひらプリントを生成する。 本稿では, パーム・クリーゼ生成機構を実際の分布とより密に整合させる新しいパーム・クレーゼ表現を提案する。
  論文  参考訳（メタデータ） (2025-03-24T03:30:58Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• The Deep Generative Decoder: MAP estimation of representations improves modeling of single-cell RNA data [0.0]
  モデルパラメータと表現を直接最大後部推定(MAP)により計算する単純な生成モデルを提案する。 このアプローチの利点は、その単純さと、同等のVAEよりもはるかに小さな次元の表現を提供する能力である。
  論文  参考訳（メタデータ） (2021-10-13T12:17:46Z)
• End-to-End Object Detection with Transformers [88.06357745922716]
  本稿では,オブジェクト検出を直接セット予測問題とみなす新しい手法を提案する。 我々のアプローチは検出パイプラインを合理化し、手作業で設計された多くのコンポーネントの必要性を効果的に除去する。 この新しいフレームワークの主な構成要素は、Detection TRansformerまたはDETRと呼ばれ、セットベースのグローバルな損失である。
  論文  参考訳（メタデータ） (2020-05-26T17:06:38Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)
• Self-Guided Adaptation: Progressive Representation Alignment for Domain Adaptive Object Detection [86.69077525494106]
  非教師なしドメイン適応(UDA)は、オブジェクト検出モデルのドメイン間ロバスト性を改善するために前例のない成功を収めた。 既存のUDA手法は、モデル学習中の瞬間的なデータ分布を無視しており、大きなドメインシフトによって特徴表現が劣化する可能性がある。 本稿では、特徴表現の整合とドメイン間のオブジェクト検出モデルの転送を目標とする自己ガイド適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-03-19T13:30:45Z)

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。