FlowPalm：光流驱动的非刚性变形，用于生成几何多样化的掌纹

最近，合成掌纹越来越多地用作真实数据的替代品来训练识别模型。为了有效，此类合成数据必须反映真实掌纹的多样性，包括风格变化和几何变化。然而，现有的掌纹生成方法主要关注风格转换，而几何变化要么被忽略，要么通过简单的手工增强来近似。在这项工作中，我们提出了 FlowPalm，一种光流驱动的掌纹生成框架，能够模拟在真实手掌中观察到的复杂非刚性变形。具体来说，FlowPalm 估计真实掌纹对之间的光流，以捕获几何变形的统计模式。基于这些先验，我们设计了一个渐进采样过程，在扩散过程中逐渐引入几何变形，同时保持身份一致性。对六个基准数据集的大量实验表明，FlowPalm 在下游识别任务中显着优于最先进的掌纹生成方法。项目页面：https://yuchenzou.github.io/FlowPalm/