iWarpGAN：解耦身份与风格以生成合成虹膜图像
计算机视觉与模式识别
2023-08-31 v2
摘要
生成对抗网络（GANs）在逼近复杂分布以生成合成图像方面已显示出成功。然而，当前基于GAN的生成生物特征图像（如虹膜）的方法存在若干局限：(a) 合成图像常与训练集中的图像高度相似；(b) 生成图像在所代表唯一身份数量上缺乏多样性；(c) 难以生成属于同一身份的多个图像。为克服这些问题，我们提出 iWarpGAN，通过两条变换路径在虹膜模态下解耦身份与风格：身份变换路径从训练集生成唯一身份，风格变换路径从参考图像提取风格码并据此输出虹膜图像。通过拼接变换后的身份码与参考风格码，iWarpGAN 生成具有类间与类内变化的虹膜图像。所提方法生成此类虹膜 DeepFakes 的有效性，使用 ISO/IEC 29794-6 标准质量指标和 VeriEye 虹膜匹配器从定性与定量两方面进行了评估。此外，通过在训练过程中将合成数据与现实数据增强，基于深度学习的虹膜匹配器性能得到提升，展示了合成图像的效用。
引用
@article{arxiv.2305.12596,
title = {iWarpGAN: Disentangling Identity and Style to Generate Synthetic Iris Images},
author = {Shivangi Yadav and Arun Ross},
journal= {arXiv preprint arXiv:2305.12596},
year = {2023}
}