연구진은 접촉 없는 지문 인식의 정확도 향상을 위해 'IMPOSE'라는 새로운 프레임워크를 개발했습니다. IMPOSE는 물리 법칙을 기반으로 다양한 자세의 접촉 없는 지문 샘플을 생성하여 모델 학습을 돕습니다.
IMPOSE는 지문 식별 생성, 모달 간 변환, 물리 기반 다중 자세 시뮬레이션의 세 단계로 구성되어 있으며, 지문의 식별 일관성을 유지하며 표준 좌표 공간에 정렬합니다.
UWA 및 PolyU CL2CB 데이터베이스 실험 결과, IMPOSE를 활용한 모델은 기존 방식 대비 뛰어난 성능을 보였으며, 합성 데이터와 실제 데이터를 결합하는 전략이 가장 효과적이었습니다.