Palm-GAN：利用全变分正则化 GAN 生成逼真掌纹图像
计算机视觉与模式识别
2020-03-25 v1 机器学习
图像与视频处理
摘要
生成逼真的掌纹（更一般地，生物特征）图像一直是一个有趣且同时具有挑战性的问题。经典统计模型无法生成逼真的掌纹图像，因为它们不足以捕捉掌纹图像复杂的纹理表征。在这项工作中，我们提出了一种基于生成对抗网络（GAN）的深度学习框架，能够生成逼真的掌纹图像。为了帮助模型学习更逼真的图像，我们提议在损失函数中加入合适的正则化，以强制生成掌纹图像的线连通性。这对于掌纹是非常可取的，因为手掌中的主线通常是连通的。我们将该框架应用于一个流行的掌纹数据库，并生成了看起来非常逼真且与数据库中样本相似的图像。通过实验结果，我们表明生成的掌纹图像看起来非常逼真，具有良好的多样性，并能够捕捉先验分布的不同部分。我们还报告了所提模型的 Frechet Inception 距离（FID），并表明我们的模型在 FID 分数方面能够取得非常好的定量性能。
引用
@article{arxiv.2003.10834,
title = {Palm-GAN: Generating Realistic Palmprint Images Using Total-Variation Regularized GAN},
author = {Shervin Minaee and Mehdi Minaei and Amirali Abdolrashidi},
journal= {arXiv preprint arXiv:2003.10834},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1812.10482, arXiv:1812.04822