用于分离重叠指纹的基于扩散的修复模型的渐进学习

重叠的摩擦脊图案是从犯罪现场和实时扫描场景中恢复的潜在指纹中反复出现的问题，其中传感器上的残留指纹可能会破坏后续采集。现有的分离重叠指纹的方法要么依赖于需要强大领域知识的基于规则的方向场完成，要么训练不考虑特定领域考虑因素的端到端深度神经网络。这项工作引入了一种基于扩散的管道，用于从包含重叠摩擦脊图案的图像中分离组件指纹。我们将分离问题表述为修复任务，并在多个阶段逐步学习该任务的扩散模型。从预先训练的稳定扩散模型开始，我们逐步合并先验指纹，添加完成部分指纹的能力，最后提出 \textbf{重叠感知修复}，使用基于多通道调节的扩散修复模型重建每个组件打印。对两个公共数据集的实验表明，使用所提出的基于扩散的修复方法重建的组件指纹可以以非常高的概率与其配对的对应部分匹配。