基于扩散的潜在指纹生成的指内变异性

这项工作的主要目标是系统地评估使用最先进的扩散模型生成的合成指纹（特别是潜指纹）的指内变异性。具体来说，我们专注于通过构建一个由七个不同数据集策划的综合 \textit{潜在风格库} 来增强生成模型的潜在风格多样性，这使得能够精确合成具有 40 多种封装不同表面和处理技术的不同风格的潜在印刷品。我们还实施了一个半自动化框架来了解生成的印象中指纹脊线和细节的完整性。我们的分析表明，虽然生成过程在很大程度上保留了身份，但引入了少量局部不一致（细节的添加和删除），特别是当参考图像中存在质量较差的区域时。此外，参考图像与指导生成过程的所选样式嵌入之间的不匹配会引入幻觉脊图案形式的全局不一致。这些见解凸显了现有合成指纹生成器的局限性，以及进一步改进这些模型以同时增强多样性和身份一致性的需要。