Canny2Palm：用于大规模预训练的逼真且可控掌纹生成
计算机视觉与模式识别
2025-05-09 v1
摘要
掌纹识别是一种安全且隐私友好的生物识别方法。提高掌纹识别精度的主要挑战之一是掌纹数据的稀缺。最近，关于为大规模预训练合成虚拟掌纹的研究趋势日益流行。本文提出了一种新颖的合成方法，称为Canny2Palm，该方法利用Canny边缘检测器提取掌纹纹理，并将其用于条件化Pix2Pix网络以实现逼真的掌纹生成。通过来自不同身份的掌纹纹理重新组装，我们能够通过向生成器输入新的拼接物来创建新的身份。Canny2Palm不仅会按照真实掌纹的分布合成逼真的数据，还能实现可控的多样性，以生成大规模的新身份。在开放集掌纹识别基准测试中，使用Canny2Palm合成数据预训练的模型比最先进的方法高出最高可达7.2%的识别精度。此外，随着合成ID数量达到10,000个，Canny2Palm预训练模型的性能仍在提升，而现有方法的模型性能已经饱和，显示出了本方法在大规模预训练方面的潜力。
引用
@article{arxiv.2505.04922,
title = {Canny2Palm: Realistic and Controllable Palmprint Generation for Large-scale Pre-training},
author = {Xingzeng Lan and Xing Duan and Chen Chen and Weiyu Lin and Bo Wang},
journal= {arXiv preprint arXiv:2505.04922},
year = {2025}
}