GenPalm: Contactless Palmprint Generation with Diffusion Models

由于大规模掌纹数据库的稀缺，成为了非接触式掌纹识别技术发展的一个重要瓶颈。为了解决这个问题，研究人员开始使用合成数据生成技术。虽然生成对抗网络（GANs）被广泛使用，但它们存在不稳定性和模式崩溃的问题。最近，扩散概率模型已经成为一种有前途的替代方法，提供稳定的训练和更好的分布覆盖。本文介绍了一种使用扩散概率模型的新型掌纹生成方法，开发了一个端到端的框架来合成多个掌纹身份，并验证了生成的掌纹的逼真程度和实用性。实验结果表明，我们的方法在多个测试数据库上使用具有挑战性的跨数据库和时间分离评估协议，生成的掌纹图像能够提高非接触式掌纹识别的性能。

本论文旨在通过使用扩散概率模型生成人造数据，以解决大规模手掌纹数据库的稀缺性问题，从而推动非接触式手掌纹识别技术的发展。

论文使用扩散概率模型生成手掌纹图像，并开发了一个端到端的框架来合成多个手掌身份，验证了生成手掌纹的真实性和实用性。

论文的实验结果表明，使用该方法生成的手掌纹图像可以提高非接触式手掌纹识别的性能，包括在具有挑战性的跨数据库和时间分离评估协议中。值得关注的是，该方法相比于GAN等方法更加稳定，并且能够更好地覆盖分布。

与本论文相关的研究包括使用GAN生成手掌纹图像的研究，以及其他使用扩散概率模型生成合成数据的研究，如使用扩散变分自编码器生成图像的研究。