使用生成对抗网络合成虹膜图像：综述与比较分析
计算机视觉与模式识别
2024-05-14 v2
摘要
基于虹膜识别的生物识别系统目前正用于边境控制应用和移动设备中。然而，虹膜识别的研究受到各种因素的阻碍，例如有限的真实虹膜和呈现攻击工具数据集、受限的类内变化以及隐私问题。其中一些问题可以通过使用合成虹膜数据来缓解。在本文中，我们全面回顾了最先进的基于GAN的合成虹膜图像生成技术，评估了它们在生成可用于训练和测试虹膜识别系统及呈现攻击检测器的逼真且有用的虹膜图像方面的优势和局限性。为此，我们首先调查了用于合成虹膜生成的各种方法，并特别考虑了基于StyleGAN、RaSGAN、CIT-GAN、iWarpGAN、StarGAN等的生成器。然后，我们分析了这些模型生成的图像的真实性、唯一性和生物特征实用性。这一全面分析突出了各种GAN在开发鲁棒虹膜匹配器和呈现攻击检测器方面的优缺点。
引用
@article{arxiv.2404.17105,
title = {Synthesizing Iris Images using Generative Adversarial Networks: Survey and Comparative Analysis},
author = {Shivangi Yadav and Arun Ross},
journal= {arXiv preprint arXiv:2404.17105},
year = {2024}
}