論文の概要: Towards Robust Iris Recognition Through Occlusion Identification and Conditional Diffusion-Based Reconstruction

• arxiv url: http://arxiv.org/abs/2607.21545v1
• Date: Thu, 23 Jul 2026 17:32:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.500523
• Title: Towards Robust Iris Recognition Through Occlusion Identification and Conditional Diffusion-Based Reconstruction
• Title（参考訳）: 咬合同定と条件拡散に基づく再構成によるロバスト虹彩認識に向けて
• Abstract要約: 識別的虹彩テクスチャが部分的にまぶた、まつげ、スペックリフレクション、その他の取得アーティファクトによって妨げられている場合、認識性能は劣化する。 既存のアプローチでは、劣化したサンプルを直接認識したり、残りの目に見える虹彩領域に依存したりすることがよくある。 閉塞型識別,拡散型再構成,深層学習型認識という3つの逐次的モジュールを用いた隠蔽型虹彩認識フレームワークを提案する。 CASIA-Iris-Thousandデータセットの制御された合成閉塞プロトコルによる実験により,提案フレームワークはアイリス認識性能を同定することにより向上することが示された。
• 参考スコア（独自算出の注目度）: 1.7373516162934852
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Iris recognition is a reliable biometric approach that identifies individuals using the distinctive and stable texture of the iris. However, recognition performance can degrade when discriminative iris texture is partially occluded by eyelids, eyelashes, specular reflections, or other acquisition artifacts. Existing approaches often perform recognition directly on degraded samples or rely only on the remaining visible iris region, which may be inadequate when substantial texture is corrupted. To address this limitation, we propose an occlusion-aware iris recognition framework with three sequential modules: occlusion-type identification, diffusion-based reconstruction, and deep-learning-based recognition. First, a residual 2D CNN-based network determines whether an iris image is non-occluded or belongs to one of the controlled occlusion categories. Second, the occluded image, binary mask, and predicted occlusion type condition a denoising diffusion probabilistic model to reconstruct the corrupted region. Finally, VGG19-HPMNet, a modified VGG19 model with horizontal pyramid mapping, extracts discriminative global and part-wise local iris features for recognition. Experiments on the CASIA-Iris-Thousand dataset under a controlled synthetic-occlusion protocol show that the proposed framework improves iris recognition performance by identifying the occlusion type, reconstructing masked regions, and re-evaluating the restored iris samples.
• Abstract（参考訳）: 虹彩認識は、虹彩の独特で安定したテクスチャを用いて個人を識別する信頼性の高い生体計測手法である。 しかし、識別的虹彩テクスチャが部分的にまぶた、まつげ、眼鏡の反射、その他の取得品によって妨げられている場合、認識性能は劣化する。 既存のアプローチでは、劣化したサンプルを直接認識したり、残りの目に見える虹彩領域にのみ依存することが多い。 この制限に対処するために,オクルージョン型識別,拡散型再構成,深層学習型認識という3つの逐次モジュールを用いたオクルージョン対応虹彩認識フレームワークを提案する。 まず、残留2D CNNベースのネットワークは、虹彩画像が非閉塞であるか、制御された閉塞カテゴリのいずれかに属しているかを判定する。 第2に、隠蔽画像、二値マスク、および予測閉塞型条件は、劣化した領域を再構成する拡散確率モデルである。 最後に、水平ピラミッドマッピングを備えた修正VGG19-HPMNetモデルであるVGG19-HPMNetは、認識のための識別的グローバルおよび部分的局所虹彩特徴を抽出する。 CASIA-Iris-Thousandデータセットを制御した合成閉塞プロトコルを用いて実験した結果,提案フレームワークは閉塞型を特定し,マスク領域を再構築し,復元したアイリスサンプルを再評価することによりアイリス認識性能を向上させることが示された。

関連論文リスト

• Reconstruction-Shift Discrimination via Mask-Guided Latent Diffusion for Medical Anomaly Detection [58.92871907037662]
  教師なしの医学的異常検出は、正常な訓練画像から正常な解剖パターンを学習し、テスト時の偏差を識別する。 再構成に基づく拡散に基づく手法は、通常、入力画像とその再構成の違いを異常な証拠として利用する。 本研究は,残差に基づく局所化と再構成-シフト判別を補完する医用異常検出フレームワークであるDMDを提案する。
  論文  参考訳（メタデータ） (2026-08-01T04:56:39Z)
• TransFIRA: Transfer Learning for Face Image Recognizability Assessment [73.61309363885552]
  TransFIRAは軽量でアノテーションのないフレームワークで、埋め込みスペースで直接認識できる。 顔以外の新しい拡張には、エンコーダで座屈した説明可能性があり、これは、劣化と被写体固有の要因が認識可能性にどのように影響するかを示す。 実験では、顔に対する最先端の結果、身体認識に対する強い堅牢性、およびデータセット間のシフトの下で確認された。
  論文  参考訳（メタデータ） (2025-10-07T18:16:21Z)
• 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)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• A Novel end-to-end Framework for Occluded Pixel Reconstruction with Spatio-temporal Features for Improved Person Re-identification [0.842885453087587]
  人の身元確認は、公共の安全を高めるために群衆の動きを監視し、追跡するために不可欠である。 本研究では、ディープニューラルネットワークからなるRGB画像/映像の効果的な閉塞検出・再構成フレームワークを開発することにより、有効な解を提案する。 具体的には、CNNベースのオクルージョン検出モデルが個々の入力フレームを分類し、次いでConv-LSTMおよびオートエンコーダを用いて、シーケンシャル(ビデオ)および非シーケンシャル(画像)データに対して、オクルードされたフレームに対応するオクルード画素を再構成する。
  論文  参考訳（メタデータ） (2023-04-16T08:14:29Z)
• Heterogeneous Visible-Thermal and Visible-Infrared Face Recognition using Unit-Class Loss and Cross-Modality Discriminator [0.43748379918040853]
  本稿では,クロスモーダル顔認識のためのエンドツーエンドフレームワークを提案する。 モダリティ情報を捨てつつアイデンティティ情報を保存するために,新しい単位クラス損失を提案する。 提案したネットワークは、モダリティ非依存のベクトル表現を抽出したり、テスト画像のマッチングペア分類に利用できる。
  論文  参考訳（メタデータ） (2021-11-29T06:14:00Z)
• 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)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition [56.11054589916299]
  本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。 注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。 これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
  論文  参考訳（メタデータ） (2020-05-12T20:42:55Z)
• Segmentation-Aware and Adaptive Iris Recognition [24.125681602124477]
  アイリス画像の品質は、アイリスマッチング精度を劣化させることが知られている。 眼周囲情報は本質的にそのような虹彩画像に埋め込まれており、そのような非理想的なシナリオ下で虹彩認識を支援するために利用することができる。 本稿では,より精度の低いアイリス認識のためのセグメンテーション支援適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-12-31T04:31:37Z)

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。