FingerSplat: Contactless Fingerprint 3D Reconstruction and Generation based on 3D Gaussian Splatting
作者: Yuwei Jia, Yutang Lu, Zhe Cui, Fei Su
分类: cs.CV
发布日期: 2025-09-19
💡 一句话要点
提出基于3D高斯溅射的非接触式指纹三维重建与生成方法
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 非接触式指纹识别 三维重建 3D高斯溅射 指纹生成 身份认证
📋 核心要点
- 非接触式指纹识别性能落后于接触式方法，主要原因是缺乏具有姿态变化的数据和缺乏隐式三维指纹表示。
- 论文提出了一种基于3D高斯溅射的非接触式指纹三维重建与生成框架，无需相机参数即可实现有效的三维配准和完整重建。
- 实验证明，该方法能够精确对齐和重建三维指纹，并生成高质量的非接触式指纹，从而提高识别性能。
📝 摘要（中文）
本文提出了一种新颖的非接触式指纹三维配准、重建和生成框架，该框架集成了3D高斯溅射技术，旨在为非接触式指纹识别提供一种新的范例，即融合三维指纹重建和生成。据我们所知，这是首次将3D高斯溅射应用于指纹识别领域，也是首次在稀疏输入图像且无需相机参数信息的情况下，实现非接触式指纹的有效三维配准和完整重建。在三维指纹配准、重建和生成方面的实验证明，该方法能够从二维图像中精确对齐和重建三维指纹，并从三维模型中依次生成高质量的非接触式指纹，从而提高非接触式指纹识别的性能。
🔬 方法详解
问题定义：现有非接触式指纹识别方法由于缺乏足够多的、具有姿态变化的指纹数据，以及缺乏对隐式三维指纹表示的有效利用，导致识别性能与接触式方法相比仍有差距。现有方法难以从有限的二维图像中准确重建三维指纹，并且通常需要相机参数等额外信息。
核心思路：论文的核心思路是利用3D高斯溅射（3D Gaussian Splatting）技术，将二维指纹图像转换为三维高斯分布的集合，从而实现指纹的三维重建和生成。3D高斯溅射能够隐式地表示三维结构，并且具有可微性，方便进行优化和渲染。通过优化高斯分布的参数，可以从稀疏的二维图像中恢复出完整的三维指纹结构。
技术框架：该框架主要包含三个阶段：1) 三维指纹配准：将不同视角的二维指纹图像配准到统一的三维空间中。2) 三维指纹重建：利用3D高斯溅射技术，从配准后的二维图像中重建出三维指纹模型。3) 三维指纹生成：从重建的三维指纹模型中生成新的指纹图像，用于数据增强和提高识别性能。
关键创新：该方法是首次将3D高斯溅射应用于指纹识别领域，实现了在稀疏输入图像且无需相机参数信息的情况下，对非接触式指纹进行有效的三维配准和完整重建。与传统的基于深度学习的三维重建方法相比，3D高斯溅射具有更高的重建质量和更快的渲染速度。
关键设计：在三维指纹重建阶段，论文设计了一种损失函数，用于优化3D高斯分布的参数，包括位置、协方差矩阵、颜色和透明度。该损失函数综合考虑了图像的重投影误差、深度一致性以及正则化项，以保证重建的三维指纹的准确性和完整性。此外，论文还采用了一种自适应的高斯分布密度控制策略，以避免高斯分布过于密集或稀疏。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够从二维图像中精确对齐和重建三维指纹，并从三维模型中生成高质量的非接触式指纹。与现有方法相比，该方法在三维指纹配准和重建方面取得了显著的性能提升，为非接触式指纹识别提供了一种新的解决方案。
🎯 应用场景
该研究成果可应用于非接触式身份认证、移动支付、门禁系统等领域。通过三维指纹重建和生成，可以有效提高非接触式指纹识别的准确性和安全性，降低伪造风险。未来，该技术有望应用于远程身份验证、智能家居等更广泛的场景。
📄 摘要（原文）
Researchers have conducted many pioneer researches on contactless fingerprints, yet the performance of contactless fingerprint recognition still lags behind contact-based methods primary due to the insufficient contactless fingerprint data with pose variations and lack of the usage of implicit 3D fingerprint representations. In this paper, we introduce a novel contactless fingerprint 3D registration, reconstruction and generation framework by integrating 3D Gaussian Splatting, with the goal of offering a new paradigm for contactless fingerprint recognition that integrates 3D fingerprint reconstruction and generation. To our knowledge, this is the first work to apply 3D Gaussian Splatting to the field of fingerprint recognition, and the first to achieve effective 3D registration and complete reconstruction of contactless fingerprints with sparse input images and without requiring camera parameters information. Experiments on 3D fingerprint registration, reconstruction, and generation prove that our method can accurately align and reconstruct 3D fingerprints from 2D images, and sequentially generates high-quality contactless fingerprints from 3D model, thus increasing the performances for contactless fingerprint recognition.