基于生成对抗网络指纹的合成与重建
计算机视觉与模式识别
2023-03-14 v2
摘要
基于深度学习的模型已被证明能够提高指纹识别的准确率。尽管这些算法表现出卓越的性能，它们仍需要大规模指纹数据集用于训练和评估。在这项工作中，我们提出了一种基于 StyleGan2 架构的新型指纹合成与重建框架，以解决获取此类大规模数据集所带来的隐私问题。我们还推导出一种计算方法，可在保留指纹身份的同时修改生成指纹的属性。这使得每只手指能够合成多个不同的指纹图像。特别地，我们引入了 SynFing 合成指纹数据集，包含 10 万对图像，每对图像对应同一身份。实验表明，所提出的框架在指纹合成与重建两方面均优于当前最先进的（state-of-the-art, SOTA）方法。它显著提升了生成指纹的真实感，无论是在视觉上还是在其欺骗基于指纹的验证系统的能力方面。代码与指纹数据集已公开：https://github.com/rafaelbou/fingerprint_generator。
引用
@article{arxiv.2201.06164,
title = {Synthesis and Reconstruction of Fingerprints using Generative Adversarial Networks},
author = {Rafael Bouzaglo and Yosi Keller},
journal= {arXiv preprint arXiv:2201.06164},
year = {2023}
}