通用指纹生成：多模态条件下的可控扩散模型

合成数据用于指纹识别的利用日益增长，这有助于缓解对敏感生物识别数据的隐私关注。然而，当前用于生成指纹的方法在创建同一指纹的有用类内变化方面存在局限。为解决这一挑战，本文提出了 GenPrint 框架，用于生成各种类型的指纹图像，同时保持身份特征，并对不同的外观因素（如指纹类别、获取类型、传感器设备和质量水平）提供人类可理解的控制。不同于以往的指纹生成方法，GenPrint 不局限于仅从训练数据集复制风格特征：它能够在无需额外微调的情况下生成来自未见设备的新颖风格。为实现这些目标，我们使用具有多模态条件（文本和图像）的潜在扩散模型开发了 GenPrint，以实现风格和身份的一致生成。我们的实验利用多种公开数据集进行训练和评估。结果表明，GenPrint 在身份保持、可解释控制和生成图像的通用性方面都有显著优势。重要的是，GenPrint 生成的图像与仅使用真实数据训练的模型相当，甚至在增强现有真实指纹数据集多样性方面也表现更佳。