Fugu-MT 論文翻訳(概要): Cross-Modal Registration Between 3D and 2D Fingerprints via Pose-Aware Unwrapping and Point-Cloud Fusion

論文の概要: Cross-Modal Registration Between 3D and 2D Fingerprints via Pose-Aware Unwrapping and Point-Cloud Fusion

arxiv url: http://arxiv.org/abs/2605.15796v1
Date: Fri, 15 May 2026 09:52:19 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-18 21:22:26.245439
Title: Cross-Modal Registration Between 3D and 2D Fingerprints via Pose-Aware Unwrapping and Point-Cloud Fusion
Title（参考訳）: ポース・アウェア・アンラッピングとポイント・クラウド・フュージョンによる3次元指紋と2次元指紋の相互登録
Authors: Xiongjun Guan, Jianjiang Feng, Jie Zhou,
Abstract要約: 3次元指紋は接触による変形を回避しつつ、大域的な指形状と局所的な隆起構造を保存している。本稿では,非接触型および接触型2Dモダリティ間の3次元指紋前処理と登録のための統一的な枠組みを提案する。
参考スコア（独自算出の注目度）: 26.659951781434017
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Three-dimensional (3D) fingerprints preserve global finger geometry and local ridge structure while avoiding contact-induced deformation, but they remain difficult to integrate with legacy two-dimensional (2D) fingerprint systems. This paper addresses the intermediate stage between 3D acquisition and cross-modal matching, and presents a unified framework for 3D fingerprint preprocessing and registration across contactless and contact-based 2D modalities. The framework combines four components: 1) a nonparametric visualization and unwrapping method that converts a 3D fingerprint point cloud into a rolled-equivalent 2D representation without relying on a global finger-shape model; 2) a point-cloud fusion pipeline that registers and mosaics multiple partial 3D captures into a more complete fingerprint model; 3) an ellipse-based pose normalization method for canonical finger alignment; and 4) a pose-aware cross-modal registration strategy that improves compatibility between 3D fingerprints and both contactless and contact-based 2D fingerprints. Experiments on a self-collected multimodal fingerprint database containing 150 fingers show that the proposed framework achieves ridge-level 3D registration accuracy, robust pose estimation, and consistent gains in 2D compatibility. In particular, the 3D fusion error is concentrated around 0.09 mm, contactless 2D--3D registration reaches ridge-scale projection accuracy, and pose-aware unwrapping improves genuine matching scores relative to generic 3D unwrapping. These results support the use of 3D fingerprints as an effective geometric bridge across heterogeneous fingerprint modalities.
Abstract（参考訳）: 3次元指紋は、接触による変形を避けながら、グローバルな指形状と局所的な隆起構造を保っているが、従来の2次元指紋システムと統合することは困難である。本稿では,3D取得とクロスモーダルマッチングの中間段階に対処し,非接触および接触に基づく2Dモダリティ間の3D指紋前処理と登録のための統一的な枠組みを提案する。フレームワークには4つのコンポーネントが組み合わさっている。 1 グローバルな指形モデルに頼ることなく、3次元指紋点雲を転がり等価な2次元表現に変換する非パラメトリック可視化・解離法 2) 複数の部分的な3Dキャプチャーを、より完全な指紋モデルに登録し、モザイクを付加する点クラウド融合パイプライン 3)標準指アライメントのための楕円型ポーズ正規化法,及び 4)3D指紋と非接触指紋と接触指紋の両面の整合性を改善するポーズ対応のクロスモーダル登録戦略。 150本の指を含む自己コンパイル型マルチモーダル指紋データベースの実験により,本フレームワークは隆起レベル3次元登録精度,頑健なポーズ推定,および2次元互換性における一貫した利得を達成できることを示した。特に、3D融合誤差は0.09mm前後に集中し、接触のない2D-3D登録はリッジスケールの投影精度に達し、ポーズ認識アンラッピングはジェネリック3Dアンラッピングに対する真のマッチングスコアを改善する。これらの結果は、不均一な指紋モダリティを横断する効果的な幾何学的ブリッジとして、3次元指紋の使用を支援する。

関連論文リスト

A B-Spline Function Based 3D Point Cloud Unwrapping Scheme for 3D Fingerprint Recognition and Identification [24.077208716307947]
3次元(3D)の指紋認識と識別は、従来の2次元(2D)認識システムよりもいくつかの利点がある。本稿では, 高さ変動を緩和するために, B-スプライン曲線フィッティングを用いて, 3次元点雲として表現された3次元指紋を解き放つ手法を提案する。未開点雲は、点の相対的な高さをマッピングすることで、グレースケールのイメージに変換される。
論文参考訳（メタデータ） (2026-04-17T06:09:07Z)
PandaPose: 3D Human Pose Lifting from a Single Image via Propagating 2D Pose Prior to 3D Anchor Space [62.10630827126755]
PandaPoseは3次元アンカー空間の前に2次元ポーズを伝播させることによって3次元のポーズリフトアプローチである。われわれの3Dアンカー空間は、(1)標準座標系における関節回りの3Dアンカーから成り、2Dポーズ推定の不正確さを軽減するための正確で堅牢な事前情報を提供する。
論文参考訳（メタデータ） (2026-02-01T08:20:40Z)
FingerSplat: Contactless Fingerprint 3D Reconstruction and Generation based on 3D Gaussian Splatting [24.010110861990373]
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。
論文参考訳（メタデータ） (2025-09-19T06:18:08Z)
DINO in the Room: Leveraging 2D Foundation Models for 3D Segmentation [51.43837087865105]
大規模な画像データセットに基づいてトレーニングされた視覚基礎モデル(VFM)は、非常に高度な2D視覚認識を備えた高品質な機能を提供する。 3D画像と3Dポイントクラウドデータセットの共通利用にもかかわらず、彼らの3Dビジョンのポテンシャルは依然としてほとんど未解決のままである。 2Dファンデーションモデルの特徴を抽出し,それを3Dに投影し,最終的に3Dポイントクラウドセグメンテーションモデルに注入する,シンプルで効果的なアプローチであるDITRを導入する。
論文参考訳（メタデータ） (2025-03-24T17:59:11Z)
Improving Contactless Fingerprint Recognition with Robust 3D Feature Extraction and Graph Embedding [23.33126224671051]
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。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)
Neural Voting Field for Camera-Space 3D Hand Pose Estimation [106.34750803910714]
3次元暗黙表現に基づく1枚のRGB画像からカメラ空間の3Dハンドポーズ推定のための統一的なフレームワークを提案する。本稿では,カメラフラストラムにおける高密度3次元ポイントワイド投票により,カメラ空間の3次元ハンドポーズを推定する,新しい3次元高密度回帰手法を提案する。
論文参考訳（メタデータ） (2023-05-07T16:51:34Z)
Joint-MAE: 2D-3D Joint Masked Autoencoders for 3D Point Cloud Pre-training [65.75399500494343]
Masked Autoencoders (MAE) は、2Dおよび3Dコンピュータビジョンのための自己教師型学習において有望な性能を示した。自己監督型3次元点雲事前学習のための2D-3DジョイントMAEフレームワークであるJoint-MAEを提案する。
論文参考訳（メタデータ） (2023-02-27T17:56:18Z)

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。