Iris Style Transfer: Enhancing Iris Recognition with Style Features and Privacy Preservation through Neural Style Transfer

要約

IRISテクスチャは、認証と識別のためのゴールドスタンダードバイオメトリックモダリティと広く見なされています。
IRIS攻撃に関するセキュリティおよびプライバシーの懸念の高まりと相まって、堅牢な虹彩認識方法の需要が最近エスカレートしています。
ニューラルネットワークを活用してコンテンツとスタイルの機能を分離する高度な手法であるニューラルスタイルの転送に触発されたアイリステクスチャのスタイル機能は、認識の信頼できる基盤を提供し、従来のアプローチよりも回転や視点シフトなどのバリエーションにより回復力があると仮定します。
私たちの実験結果は、この仮説をサポートし、従来の機能と比較してかなり高い分類精度を示しています。
さらに、ニューラルスタイルの転送を使用して、識別可能な虹彩スタイルの機能をマスクし、目のセグメンテーションや視線の推定などのタスクに対して目の画像の有用性を維持しながら、敏感な生体認証情報の保護を確保します。
この作業は、虹彩指向、安全な、プライバシー対応の生体認証システムのための新しい道を開きます。

要約(オリジナル)

Iris texture is widely regarded as a gold standard biometric modality for authentication and identification. The demand for robust iris recognition methods, coupled with growing security and privacy concerns regarding iris attacks, has escalated recently. Inspired by neural style transfer, an advanced technique that leverages neural networks to separate content and style features, we hypothesize that iris texture’s style features provide a reliable foundation for recognition and are more resilient to variations like rotation and perspective shifts than traditional approaches. Our experimental results support this hypothesis, showing a significantly higher classification accuracy compared to conventional features. Further, we propose using neural style transfer to mask identifiable iris style features, ensuring the protection of sensitive biometric information while maintaining the utility of eye images for tasks like eye segmentation and gaze estimation. This work opens new avenues for iris-oriented, secure, and privacy-aware biometric systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google