Abstract
近年、合成の掌紋（palmprint）は、認識モデルの学習における実データの代替としてますます利用されるようになってきている。有効に機能するためには、合成データは、スタイルの変動と幾何学的な変動の両方を含む、実際の掌紋の多様性を反映している必要がある。しかし、既存の掌紋生成手法は主にスタイル変換に焦点を当てており、幾何学的変動は無視されるか、単純な手作りの拡張（augmentation）によって近似されるにとどまっている。本研究では、実際の手のひらに観察される複雑な非剛体（non-rigid）の変形をシミュレートできる、光学フロー駆動の掌紋生成フレームワーク FlowPalm を提案する。具体的には、FlowPalm は実際の掌紋ペア間の光学フローを推定し、幾何学的変形の統計的パターンを捉える。これらの事前知識（priors）に基づき、拡散（diffusion）の間に幾何学的変形を段階的に導入しつつ、アイデンティティの一貫性を維持する、段階的サンプリング（progressive sampling）プロセスを設計する。6つのベンチマークデータセットに対する大規模な実験により、FlowPalm は下流の認識タスクにおいて、最先端の掌紋生成アプローチを大幅に上回ることを示す。プロジェクトページ: https://yuchenzou.github.io/FlowPalm/
