Ear-Aug：非制約耳介認証のための撮影条件を考慮したデータ拡張手法
Abstract
非制約環境における耳介認証では，照明，焦点ぼけ，遮蔽，および視点による外観変動が大きく，学習画像の収集も難しい．従来のデータ拡張は，耳介画像の空間的特性や撮影条件に起因する外観変動を考慮していない．本研究では，耳介ランドマークに基づいて，照明，空間可変な焦点ぼけ，遮蔽，および疑似ヨー変換による4種類の外観変動を生成するデータ拡張フレームワークEar-Augを提案する．Ear-Augは，4種類の外観変動を単独または組み合わせて学習時に生成する．UERC 2026において，平均等誤り率（EER）はConvNeXt-Tinyで13.71%から10.11%へ，ViT-S/16で10.11%から8.22%へ低減した．