基于梯度引导的生成模型潜在空间遍历用于受控虹膜图像增强
计算机视觉与模式识别
2026-04-28 v2 机器学习
摘要
开发可靠的虹膜识别和演示攻击检测方法需要捕获真实虹膜特征变异的多样化数据集，并覆盖广泛的异常光谱。鉴于虹膜图像的丰富纹理，跨越广泛空间频率范围，合成在控制特定属性的前提下保持相同身份的虹膜图像仍然具有挑战性。本文引入一种新的虹膜图像增强策略，通过遍历生成模型的潜在空间以指向代表相同身份样本但具有某些期望虹膜图像属性被操控的潜在代码。该潜在空间遍历由特定几何、纹理或与质量相关的虹膜图像特征（例如锐度、瞳孔大小、虹膜大小或瞳孔-虹膜比）的梯度引导，并保留所操控图像所代表的身份。该方法可以轻松扩展以操控任何可以建立可微损失项的属性。此外，本方法可使用要么基于预训练GAN模型生成的随机图像，要么来自真实世界虹膜图像。我们可以利用GAN反向投影将任何给定的虹膜图像投入潜在空间并获取其对应的潜在代码。
引用
@article{arxiv.2511.09749,
title = {Gradient-Guided Exploration of Generative Model's Latent Space for Controlled Iris Image Augmentations},
author = {Mahsa Mitcheff and Siamul Karim Khan and Adam Czajka},
journal= {arXiv preprint arXiv:2511.09749},
year = {2026}
}