⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验
2025-01-25 更新
Generating Realistic Forehead-Creases for User Verification via Conditioned Piecewise Polynomial Curves
Authors:Abhishek Tandon, Geetanjali Sharma, Gaurav Jaswal, Aditya Nigam, Raghavendra Ramachandra
We propose a trait-specific image generation method that models forehead creases geometrically using B-spline and B'ezier curves. This approach ensures the realistic generation of both principal creases and non-prominent crease patterns, effectively constructing detailed and authentic forehead-crease images. These geometrically rendered images serve as visual prompts for a diffusion-based Edge-to-Image translation model, which generates corresponding mated samples. The resulting novel synthetic identities are then used to train a forehead-crease verification network. To enhance intra-subject diversity in the generated samples, we employ two strategies: (a) perturbing the control points of B-splines under defined constraints to maintain label consistency, and (b) applying image-level augmentations to the geometric visual prompts, such as dropout and elastic transformations, specifically tailored to crease patterns. By integrating the proposed synthetic dataset with real-world data, our method significantly improves the performance of forehead-crease verification systems under a cross-database verification protocol.
我们提出了一种针对特定特征的图像生成方法，该方法使用B样条和贝塞尔曲线对前额皱纹进行几何建模。这种方法可以确保生成主要的皱纹和非突出的皱纹模式，从而有效地构建详细和真实的前额皱纹图像。这些几何渲染的图像作为基于扩散的边缘到图像翻译模型的视觉提示，生成相应的匹配样本。然后，使用这些新型合成身份来训练前额皱纹验证网络。为了提高生成样本的受试者内多样性，我们采用了两种策略：（a）在定义的约束下扰动B样条的控制点以保持标签一致性；（b）对几何视觉提示应用图像级增强，例如针对皱纹模式的丢弃和弹性变换。通过将所提出的合成数据集与真实世界数据相结合，我们的方法在跨数据库验证协议下显著提高了前额皱纹验证系统的性能。
论文及项目相关链接
PDF Accepted at WACV-W 2025
Summary
本文提出了一种针对前额皱纹的特质图像生成方法，该方法利用B样条和Bezier曲线进行几何建模。此方法可生成逼真的主要皱纹和非突出皱纹图案，构建详细且真实的前额皱纹图像。这些几何渲染的图像作为扩散式Edge-to-Image翻译模型的视觉提示，生成相应的匹配样本。然后，使用这些新合成的身份训练前额皱纹验证网络。为了提高生成样本的受试者内多样性，我们采用了两种策略：一是在定义的约束下扰动B样条的控制点以保持标签一致性；二是针对皱纹模式应用图像级别的增强视觉提示，如丢弃和弹性变换。通过整合所提出的合成数据集与真实世界数据，我们的方法在跨数据库验证协议下显著提高了前额皱纹验证系统的性能。
Key Takeaways
- 提出了一种特质图像生成方法，专注于前额皱纹的几何建模。
- 使用B样条和Bezier曲线生成真实的前额皱纹图像。
- 结合扩散式Edge-to-Image翻译模型，生成匹配样本。
- 训练前额皱纹验证网络使用合成数据。
- 通过扰动B样条控制点和应用图像级增强来提高样本多样性。
- 针对皱纹模式定制特定的图像增强策略。
点此查看论文截图
