ImmerIris：面向沉浸式应用中离轴与非约束虹膜识别的大规模数据集与基准

近年来，虹膜识别在扩展现实等沉浸式应用中作为无缝用户识别的手段重新受到重视。与受控设置下的传统虹膜识别相比，这种应用场景引入了独特的挑战，因为眼部图像主要是在离轴和较少约束的条件下捕获的，导致虹膜纹理出现透视畸变、个体内差异和质量下降。捕捉这些挑战的数据集仍然有限。本文通过呈现一个通过头戴式显示器收集的大规模虹膜数据集（称为ImmerIris）来填补这一空白。它包含来自546名受试者的499,791张眼部图像，据我们所知，这是迄今为止最大的公开虹膜数据集，也是首批专用于沉浸式应用的数据集之一。该数据集附带了一套全面的评估协议，用于在各种具有挑战性的条件下对识别系统进行基准测试。本文还提请注意当前识别方法的一个共同障碍，即对预处理、归一化阶段的依赖，这在离轴和非约束设置中容易出错。为此，本文进一步提出了一种无归一化范式，该范式直接从最小调整的眼部图像中学习。尽管其简单，但它优于基于归一化的现有技术，为鲁棒的虹膜识别指明了一个有前景的方向。