Finger-GAN：使用施加连通性约束的 GAN 生成逼真的指纹图像
计算机视觉与模式识别
2019-01-09 v1 机器学习
摘要
生成逼真的生物特征图像一直是一个有趣且同时具有挑战性的问题。经典的统计模型无法生成看起来逼真的指纹图像，因为它们不够强大，无法捕捉指纹图像中复杂的纹理表示。在这项工作中，我们提出了一个基于生成对抗网络（GAN）的机器学习框架，能够生成从先验分布（从一组训练图像中学习得到）中采样的指纹图像。我们还在损失函数中添加了合适的正则化项，以强制生成指纹图像的连通性。这对于指纹是非常理想的，因为每个手指中的纹线通常是相连的。我们将该框架应用于两个流行的指纹数据库，生成的图像看起来非常逼真，且与这些数据库中的样本相似。通过实验结果，我们表明生成的指纹图像具有良好的多样性，并且能够捕捉先验分布的不同部分。我们还评估了所提出模型的 Frechet Inception distance (FID)，并表明我们的模型在该分数上能够取得良好的定量性能。
引用
@article{arxiv.1812.10482,
title = {Finger-GAN: Generating Realistic Fingerprint Images Using Connectivity Imposed GAN},
author = {Shervin Minaee and Amirali Abdolrashidi},
journal= {arXiv preprint arXiv:1812.10482},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1812.04822