論文の概要: FlowPalm: Optical Flow Driven Non-Rigid Deformation for Geometrically Diverse Palmprint Generation

• arxiv url: http://arxiv.org/abs/2604.09989v1
• Date: Sat, 11 Apr 2026 02:19:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.780348
• Title: FlowPalm: Optical Flow Driven Non-Rigid Deformation for Geometrically Diverse Palmprint Generation
• Title（参考訳）: FlowPalm: 幾何学的横方向パームプリント生成のための光学フロー駆動型非線形変形
• Authors: Yuchen Zou, Huikai Shao, Lihuang Fang, Zhipeng Xiong, Dexing Zhong,
• Abstract要約: FlowPalmは光フロー駆動のヤシプリント生成フレームワークである。 実際のパームプリント対間の光学的流れを推定し、幾何学的変形の統計的パターンを捉える。 下流認識タスクにおいて、最先端のパルププリント生成アプローチを著しく上回る。
• 参考スコア（独自算出の注目度）: 12.732328842495539
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, synthetic palmprints have been increasingly used as substitutes for real data to train recognition models. To be effective, such synthetic data must reflect the diversity of real palmprints, including both style variation and geometric variation. However, existing palmprint generation methods mainly focus on style translation, while geometric variation is either ignored or approximated by simple handcrafted augmentations. In this work, we propose FlowPalm, an optical-flow-driven palmprint generation framework capable of simulating the complex non-rigid deformations observed in real palms. Specifically, FlowPalm estimates optical flows between real palmprint pairs to capture the statistical patterns of geometric deformations. Building on these priors, we design a progressive sampling process that gradually introduces the geometric deformations during diffusion while maintaining identity consistency. Extensive experiments on six benchmark datasets demonstrate that FlowPalm significantly outperforms state-of-the-art palmprint generation approaches in downstream recognition tasks. Project page: https://yuchenzou.github.io/FlowPalm/
• Abstract（参考訳）: 近年, 実データの代わりに合成パームプリントが用いられている。 有効にするためには、そのような合成データは、スタイルの変化と幾何学的変動の両方を含む、実際のヤシ紋の多様性を反映しなければならない。 しかし、既存のパームプリント生成法は主にスタイル翻訳に重点を置いており、幾何学的変動は単純な手作りの強化によって無視されるか、近似される。 本研究では,実ヤシで観測される複雑な非剛性変形をシミュレート可能な光フロー駆動型ヤシプリント生成フレームワークであるFlowPalmを提案する。 具体的には、FlowPalmは実際のパルププリント対間の光学的流れを推定し、幾何学的変形の統計的パターンを捉える。 これらの先行性に基づいて,個人性を維持しつつ拡散中の幾何的変形を徐々に導入するプログレッシブサンプリングプロセスを設計する。 6つのベンチマークデータセットに対する大規模な実験は、FlowPalmが下流認識タスクにおける最先端のパルププリント生成アプローチを著しく上回っていることを示している。 プロジェクトページ:https://yuchenzou.github.io/FlowPalm/

関連論文リスト

• Intra-finger Variability of Diffusion-based Latent Fingerprint Generation [35.645082991821155]
  本研究の主な目的は, 最先端拡散モデルを用いて生成した合成指紋の指内変動性を評価することである。 我々は,包括的構築による生成モデルの潜在スタイルの多様性の向上に焦点をあてる。 textitlatentスタイルバンクは 7つの多様なデータセットから作成されました また,生成した印象における指紋の隆起と微妙さの整合性を理解するための半自動フレームワークも実装した。
  論文  参考訳（メタデータ） (2026-04-11T05:24:23Z)
• Data-Efficient Brushstroke Generation with Diffusion Models for Oil Painting [60.15416769662556]
  そこで本研究では,手書きサンプルの小さなセットから人型ブラシストローク生成を学習する問題について検討する。 Smooth Regularization (SmR) を用いた拡散型フレームワーク StrokeDiff を提案する。 学習したプリミティブをBézierベースの条件付けモジュールで制御可能であることを示す。
  論文  参考訳（メタデータ） (2026-03-01T13:42:35Z)
• EMPalm: Exfiltrating Palm Biometric Data via Electromagnetic Side-Channels [54.460942487872416]
  EMエミッションは、手のひら生体情報を漏れさせる。 EMPalmは、盗聴されたEM信号からパームプリントとパームベインの画像の両方を隠蔽的に回収する攻撃フレームワークである。
  論文  参考訳（メタデータ） (2025-10-08T20:50:19Z)
• Kuramoto Orientation Diffusion Models [67.0711709825854]
  指紋やテクスチャなどのオリエンテーションに富んだ画像は、しばしばコヒーレントな角模様を示す。 生体系における位相同期の役割を動機として,スコアベース生成モデルを提案する。 一般的な画像ベンチマークで競合する結果を実装し,指紋やテクスチャなどの指向性データセットの生成品質を大幅に向上する。
  論文  参考訳（メタデータ） (2025-09-18T18:18:49Z)
• StrandDesigner: Towards Practical Strand Generation with Sketch Guidance [69.14408387191172]
  本稿では,ユーザフレンドリなまま,より細かい制御が可能なスケッチベースストランド生成モデルを提案する。 私たちのフレームワークは、複雑なストランド相互作用や多様なスケッチパターンのモデリングなど、重要な課題に取り組みます。 いくつかのベンチマークデータセットの実験により、我々の手法は現実主義や精度において既存の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-08-03T08:17:50Z)
• Canny2Palm: Realistic and Controllable Palmprint Generation for Large-scale Pre-training [5.0959026998402965]
  そこで我々は,Cannyエッジ検出器を用いてヤシのテクスチャを抽出し,Pix2Pixネットワークを用いてリアルなヤシプリント生成を行う,Canny2Palmという新しい合成法を提案する。 Canny2Palmは、実際のパルププリントの分布に従って現実的なデータを合成するだけでなく、制御可能な多様性によって大規模な新しいアイデンティティを生成できる。 オープンセットのパームプリント認識ベンチマークでは、Canny2Palm合成データで事前訓練されたモデルは、最先端の精度を最大7.2%向上させる。
  論文  参考訳（メタデータ） (2025-05-08T03:37:07Z)
• 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)
• GenPalm: Contactless Palmprint Generation with Diffusion Models [25.738682467090335]
  本稿では拡散確率モデルを用いた新しいパームプリント生成法を提案する。 我々は,複数のパームIDを合成するエンドツーエンドフレームワークを開発し,生成されたパームプリントの現実性と有用性を検証した。
  論文  参考訳（メタデータ） (2024-06-01T03:33:25Z)
• 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)
• Palm-GAN: Generating Realistic Palmprint Images Using Total-Variation Regularized GAN [7.119324327867636]
  本稿では,現実的なヤシプリント画像を生成することができるGAN(Generative Adversarial Network)に基づくディープラーニングフレームワークを提案する。 このフレームワークを一般的なパームプリントデータベースに適用し、非常にリアルに見え、このデータベースのサンプルとよく似た画像を生成する。
  論文  参考訳（メタデータ） (2020-03-21T03:24:36Z)

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。