Effectiveness of learning-based image codecs on fingerprint storage

要約

学習ベースのコーディング技術の成功と、JPEG-AI などの学習ベースの画像コーディング標準の開発は、指紋などの生体認証データの保存を含むさまざまな分野でそのようなソリューションが採用されることを示しています。
しかし、学習ベースの圧縮アーティファクトの特殊な性質により、生体認証の特徴や特徴点などのランドマークの抽出に対する影響と有効性に関して、いくつかの問題が生じます。
この問題は、ほとんどのモデルが自然カラー画像でトレーニングされており、その特性が通常の生体画像 (指紋や虹彩の写真など) とは大きく異なるという事実によって、さらに強調されます。
実際のところ、こうした分析はまだほとんど解明されていないため、これらの問題は正確に疑問視され、調査されていると考えられています。
この研究は、特徴点の抽出と特徴付けに対する影響を測定することにより、指紋画像の保存における学習ベースの画像コーデックの適応性に関する最初の調査を表しています。
実験結果は、固定レート ポイントで、学習されたソリューションが、歪みと特徴点の保存の両方の点で、JPEG2000 などの以前の指紋コーディング標準よりも大幅に優れていることを示しています。
実際、実験結果は、学習された圧縮アーティファクトの特殊性が自動指紋識別を妨げるものではなく (特徴点の種類と位置が大幅に変更されないため)、人間の目視検査のための画質を損なうこともありません (BD レートと PSNR の点で向上するため) ことを証明しています。
それぞれ47.8%と+3.97dB)。

要約(オリジナル)

The success of learning-based coding techniques and the development of learning-based image coding standards, such as JPEG-AI, point towards the adoption of such solutions in different fields, including the storage of biometric data, like fingerprints. However, the peculiar nature of learning-based compression artifacts poses several issues concerning their impact and effectiveness on extracting biometric features and landmarks, e.g., minutiae. This problem is utterly stressed by the fact that most models are trained on natural color images, whose characteristics are very different from usual biometric images, e.g, fingerprint or iris pictures. As a matter of fact, these issues are deemed to be accurately questioned and investigated, being such analysis still largely unexplored. This study represents the first investigation about the adaptability of learning-based image codecs in the storage of fingerprint images by measuring its impact on the extraction and characterization of minutiae. Experimental results show that at a fixed rate point, learned solutions considerably outperform previous fingerprint coding standards, like JPEG2000, both in terms of distortion and minutiae preservation. Indeed, experimental results prove that the peculiarities of learned compression artifacts do not prevent automatic fingerprint identification (since minutiae types and locations are not significantly altered), nor do compromise image quality for human visual inspection (as they gain in terms of BD rate and PSNR of 47.8% and +3.97dB respectively).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google