利用在线鞋底纹路照片构建鞋印法医数据库

鞋底纹路印痕是犯罪现场最常见的证据类型之一。然而，此类证据的效用受限于缺乏覆盖数量庞大且不断增长的鞋款的鞋印数据库。此外，该数据库最好包含鞋底纹路照片的3D形状或深度，以便提取鞋印来匹配查询（犯罪现场）印痕。我们提出通过利用在线零售商收集的鞋底纹路照片来弥补这一空白。核心挑战是为这些照片预测深度图。由于它们没有可用于训练深度预测器的真实3D形状，我们转而利用具有真实3D形状的合成数据。我们开发了一种称为ShoeRinsics的方法，通过学习混合完全监督的合成数据和无监督的零售图像数据来预测深度。特别地，我们发现域适应和本征图像分解技术有效缓解了合成-真实域差距，并显著提升了深度预测效果。为验证我们的方法，我们引入了2个由鞋底纹路图像与印痕配对组成的验证集，并定义了量化预测深度质量的基准测试协议。在该基准上，ShoeRinsics优于现有的深度预测和合成到真实域适应方法。