面向屏下指纹传感器的指纹姿态估计

二维姿态估计通过促进全局对齐和减少姿态引起的变化，在指纹识别中起着至关重要的作用。然而，现有方法在处理大角度或小面积输入时仍不尽如人意。这些局限性在智能手机屏下指纹传感器捕获的指纹上尤为明显。在本文中，我们提出了一种新颖的基于双模态输入的屏下指纹姿态估计网络。我们的方法有效地整合了两种不同但互补的模态：通过屏下指纹传感器从脊线块中提取的纹理细节，以及通过触摸屏获取的电容图像中导出的粗略轮廓。这种协同整合赋予我们的网络更全面、更具判别力的信息，显著提高了姿态估计的准确性和稳定性。我们设计了一个解耦的概率分布预测任务，而非传统的数值回归或热图投票的监督形式，以促进训练过程。此外，我们融合了基于混合专家（Mixture of Experts, MoE）的特征融合机制和关系驱动的跨域知识迁移策略，以进一步增强特征提取和融合能力。在多个公开数据集和两个私有数据集上进行了大量实验。结果表明，我们的方法显著优于先前的最先进（SOTA）方法，并显著提升了指纹识别算法的识别能力。我们的代码可在 https://github.com/XiongjunGuan/DRACO 获取。