身份一致的接触式指纹多姿态生成
计算机视觉与模式识别
2026-05-06 v1
摘要
接触式指纹识别因其在卫生和获取灵活性方面的优势而受到日益关注。然而，由于缺乏物理接触约束，自由手指在三维空间中的姿态会导致严重的非线性几何畸变，造成接触式指纹与传统接触式指纹之间巨大的跨模态领域差距。现有解决方案主要依赖显式几何校正或图像增强，这些方法在极端姿态变化下往往不稳健。本文提出了身份一致的接触式指纹多姿态生成框架（IMPOSE），该框架通过物理启发的方式合成保持身份一致性的多姿态接触式指纹样本，以赋能识别模型。IMPOSE包含三个阶段：（1）通过带离散码book表示的潜在扩散进行 rolled 指纹身份生成；（2）基于 Sauvola 基于局部自适应二值化作为身份锚点，对 rolled 与接触式模态之间的跨模态翻译进行引导；（3）通过 3D 手指模型的纹理映射与投影进行物理基的多姿态模拟。生成的样本在脊纹拓扑级别和与标准指纹坐标空间的空间对齐方面保持严格的身份一致性。在 UWA 和 PolyU CL2CB 数据集上进行的大量实验表明，使用 IMPOSE 生成的数据对固定长度稠密描述符（FDD）进行微调可实现跨模态匹配的国际前沿性能，在 UWA 上将 EER 降至 8.74%，在 PolyU CL2CB 上降至 2.26%。合成数据在包括 DeepPrint 和 AFRNet 在内的主流表示方法中也能获得一致的提升，组合使用合成数据和真实数据策略可获得最佳总体效果。代码和生成的样本已提供于 https://github.com/Yu-Yy/IMPOSE。
引用
@article{arxiv.2605.03830,
title = {Identity-Consistent Multi-Pose Generation of Contactless Fingerprints},
author = {Zhiyu Pan and Xiongjun Guan and Jianjiang Feng and Jie Zhou},
journal= {arXiv preprint arXiv:2605.03830},
year = {2026}
}
备注
Under review