PVTree：面向识别任务的逼真且可控的掌静脉生成
计算机视觉与模式识别
2025-03-05 v1
摘要
掌静脉识别是一项新兴的生物识别技术，可提供更高的安全性与隐私性。然而，由于数据采集成本高且受隐私保护限制，为训练基于深度学习的识别模型获取充足的掌静脉数据极具挑战。这促使利用生成模型生成伪掌静脉数据的兴趣日益增长。然而，现有方法常生成不逼真的掌静脉模式，或难以控制身份与风格属性。为解决这些问题，我们提出了一种名为 PVTree 的新型掌静脉生成框架。首先，利用改进的约束构造优化（CCO）算法，构建复杂且逼真的 3D 掌血管树来定义掌静脉身份。其次，通过将同一 3D 血管树从不同视角投影为 2D 图像，并利用生成模型将其转换为逼真图像，生成同一身份的掌静脉模式。因此，PVTree 同时满足了身份一致性与类内多样性的需求。在几个公开数据集上的大量实验表明，我们提出的掌静脉生成方法超越了现有方法，并在 1:1 开集协议下取得了更高的 TAR@FAR=1e-4。据我们所知，这是首次在合成掌静脉数据上训练的识别模型性能超越在真实数据上训练的识别模型，这表明掌静脉图像生成研究具有广阔前景。
引用
@article{arxiv.2503.02547,
title = {PVTree: Realistic and Controllable Palm Vein Generation for Recognition Tasks},
author = {Sheng Shang and Chenglong Zhao and Ruixin Zhang and Jianlong Jin and Jingyun Zhang and Rizen Guo and Shouhong Ding and Yunsheng Wu and Yang Zhao and Wei Jia},
journal= {arXiv preprint arXiv:2503.02547},
year = {2025}
}