論文の概要: Revisiting Handcrafted Minutiae Detection: A Simple and Effective Open Source Baseline for Modern Fingerprint Workflows

• arxiv url: http://arxiv.org/abs/2610.11641v1
• Date: Thu, 08 Oct 2026 10:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 11:59:33.750339
• Title: Revisiting Handcrafted Minutiae Detection: A Simple and Effective Open Source Baseline for Modern Fingerprint Workflows
• Title（参考訳）: 手作りのMinutiae検出を再考する - 最新のフィンガープリントワークフローのためのシンプルで効果的なオープンソースベースライン
• Abstract要約: SBMEX(Skeleton-based Minutiae Extraction)は,オープンソースのTextttpyfingパッケージに組み込まれた高速かつ決定論的ミツイア検出手法である。 実行時近傍スキャンに取って代わる2つのLook-Up Tableアーキテクチャを用いることで、高い計算スループットを実現する。 パス長の追跡、デュアルリッジ・バレースケルトン融合、空間密度の減衰によって駆動される連続的な品質スコアリングフレームワークが組み込まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Handcrafted minutiae detection algorithms remain fundamental to biometric science and forensic practice due to their full auditability, adherence to international standards, and operational independence from training datasets or GPU hardware. However, current open-source traditional baselines are severely outdated, relying almost exclusively on legacy C/C++ codebases that lack seamless integration with modern scientific software ecosystems. To bridge this gap, the present work introduces SBMEX (Skeleton-Based Minutiae EXtraction), a fast and deterministic minutiae detection method integrated into the open source \texttt{pyfing} package. SBMEX achieves high computational throughput by employing a dual Look-Up Table architecture that replaces runtime neighborhood scanning during Crossing Number computation and skeleton tracking. Additionally, it incorporates a continuous quality scoring framework driven by tracking path length, dual ridge-valley skeleton fusion, and spatial density decay. Rigorous evaluation on NIST SD302 datasets demonstrates that SBMEX delivers feature extraction accuracy comparable to or outperforming traditional open-source baselines without fine-tuning, while achieving a drastic reduction in minutiae detection latency relative to classical Crossing Number Python implementations.
• Abstract（参考訳）: 手作りのミツイア検出アルゴリズムは、完全な監査性、国際標準への準拠、トレーニングデータセットやGPUハードウェアからの運用上の独立性のために、バイオメトリックス科学と法医学的な実践の根底にある。 しかし、現在のオープンソースの伝統的なベースラインはひどく時代遅れであり、現代の科学ソフトウェアエコシステムとのシームレスな統合に欠けるレガシーなC/C++コードベースにほとんど依存していない。 このギャップを埋めるために,本研究では,オープンソースの texttt{pyfing} パッケージに統合された高速かつ決定論的微栄養検出手法である SBMEX (Skeleton-Based Minutiae Extraction) を導入する。 SBMEXは、Crossing Number計算とスケルトン追跡の間、ランタイム近傍のスキャンを置き換える2つのLook-Up Tableアーキテクチャを用いて、高い計算スループットを実現する。 さらに、パス長の追跡、デュアルリッジ・バレースケルトン融合、空間密度の減衰によって駆動される連続的な品質スコアリングフレームワークも組み込まれている。 NIST SD302データセットの厳密な評価は、SBMEXが従来のオープンソースベースラインに匹敵する、あるいは優れた機能抽出精度を、微調整なしで提供し、古典的なクロス数Python実装と比較して、ミツイア検出遅延の劇的な削減を実現していることを示している。

関連論文リスト

• LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
  赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:15:09Z)
• OScaR: The Occam's Razor for Extreme KV Cache Quantization in LLMs and Beyond [50.440302567029654]
  マルチモーダルインテリジェンスにより、Key-Valueキャッシュは効率的なデプロイメントのための主要なメモリボトルネックとなった。 本研究では、チャネルごとの量子化パラダイムの本質的な限界を再考する。 X-LLMのための高精度かつ軽量なKVキャッシュ圧縮フレームワークOScaRを提案する。
  論文  参考訳（メタデータ） (2026-05-19T10:53:03Z)
• DISC: Dense Integrated Semantic Context for Large-Scale Open-Set Semantic Mapping [5.520073359436354]
  オープンセットセマンティックマッピングは、言語駆動型ロボット知覚を可能にする。 現在のインスタンス中心のアプローチは、コンテキスト分離と計算コストの高い作物ベースの特徴抽出によってボトルネック化されている。 DISC(Dense Integrated Semantic Context)を導入し,新しいシングルパス,距離重み付き抽出機構を特徴とする。
  論文  参考訳（メタデータ） (2026-03-04T10:47:06Z)
• CADIC: Continual Anomaly Detection Based on Incremental Coreset [0.0]
  本稿では,全てのタスクが統一メモリバンクを共有する新しいCADフレームワークを提案する。 トレーニング中、このメソッドは固定サイズのコアセット内の埋め込みを漸進的に更新する。 推論段階では、異常スコアは最寄りのマッチング機構を介して計算される。
  論文  参考訳（メタデータ） (2025-11-10T03:13:11Z)
• xLSTMAD: A Powerful xLSTM-based Method for Anomaly Detection [0.794682109939797]
  フルエンコーダ・デコーダxLSTMアーキテクチャを統合した最初の異常検出手法であるxLSTMADを提案する。 実世界の17のデータセットにまたがる包括的TSB-AD-Mベンチマークを用いて,本手法の評価を行った。 以上の結果から、xLSTMは最先端の精度を示し、23の異常検出基準を上回りました。
  論文  参考訳（メタデータ） (2025-06-28T10:39:09Z)
• DISTA-Net: Dynamic Closely-Spaced Infrared Small Target Unmixing [55.366556355538954]
  本稿では,動的フレームワーク内で従来のスパース再構築を再現する動的反復収縮閾値ネットワーク(DISTA-Net)を提案する。 DISTA-Netは、密接な空間を持つ赤外線小ターゲットのアンミックスのために特別に設計された最初のディープラーニングモデルである。 私たちはこの分野におけるさらなる研究を促進するために、最初のオープンソースエコシステムを確立しました。
  論文  参考訳（メタデータ） (2025-05-25T13:52:00Z)
• Learning-based Sketches for Frequency Estimation in Data Streams without Ground Truth [24.089718708415628]
  伝統的なスケッチは、厳密なメモリ制約の下でのみ粗い見積もりを提供する。 キーごとの周波数推定のための実践的な学習パラダイムであるUCL-sketchを提案する。 設計では、2つの重要なイノベーションを紹介している: (i) 基礎的な真実(GT)を必要としない同等の学習に基づくオンライントレーニングメカニズムと、 (ii) 構造化推定バケットを活用して実世界のデータストリームにスケールする高度にスケーラブルなアーキテクチャ。
  論文  参考訳（メタデータ） (2024-12-04T14:00:50Z)
• Bridging the Gap Between End-to-End and Two-Step Text Spotting [88.14552991115207]
  ブリッジングテキストスポッティングは、2段階のメソッドでエラーの蓄積と最適化性能の問題を解決する新しいアプローチである。 提案手法の有効性を広範囲な実験により実証する。
  論文  参考訳（メタデータ） (2024-04-06T13:14:04Z)
• Theoretically Achieving Continuous Representation of Oriented Bounding Boxes [64.15627958879053]
  本論文は,オブジェクト指向境界ボックス表現における不連続性を完全に解決しようとする試みである。 本研究では,既存の検出器に容易に統合可能なCOBB(Continuous OBB)という新しい表現法を提案する。 OOD評価のためのオープンソースのディープラーニングフレームワークJittorの検出ツールボックスJDetをベースとした,モジュール化されたベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-02-29T09:27:40Z)

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。