Topology-Aware Global-Local Mamba Networks for Palm Vein Biometrics

Sintesi Tecnica: Reti Mamba Global-Local con Consapevolezza della Topologia per la Biometria delle Vene Palmari

Problematica
Il riconoscimento delle vene palmari è un compito biometrico a grana fine caratterizzato da strutture vascolari sottili e a basso contrasto, osservabili solo sotto illuminazione a infrarosso vicino (NIR). Sebbene queste caratteristiche offrano robustezza contro i tentativi di spoofing e la contaminazione superficiale, il riconoscimento efficace è complicato dai dataset pubblici limitati, dalle variazioni intra-classe (posa, rumore, illuminazione) e dalla necessità di modellare sia la texture locale dei vasi che la connettività globale dell'albero vascolare. Gli approcci esistenti di deep learning affrontano limitazioni specifiche: le Reti Neurali Convoluzionali (CNN) richiedono un downsampling aggressivo per catturare la topologia a lungo raggio, il che sopprime le strutture vascolari sottili; i Transformer e i meccanismi di self-attention sono computazionalmente costosi per immagini ad alta risoluzione e possono diluire i pattern vascolari sparsi; i modelli a Spazio di Stato (SSM) esistenti come Vision Mamba (Vim) e Global-Local Vision Mamba (GLVM) mancano di una codifica esplicita della geometria direzionale e lineare inerente alle strutture vascolari.

Metodologia
Gli autori propongono una Rete Mamba Global-Local con Consapevolezza della Topologia, un'architettura di backbone progettata per modellare congiuntamente la texture locale e la topologia vascolare globale. La rete elabora immagini NIR a singolo canale ($128 \times 128$) attraverso uno stem, un corpo di sei Blocchi Consapevoli della Topologia (TAB) identici e un capo di classificazione.

1. Stem: Due strati Conv-BatchNorm-SiLU con stride $3 \times 3$ riducono la risoluzione da $128 \times 128$ a $32 \times 32$ ed espandono i canali a $D=256$.
2. Topology-Aware Blocks (TAB): Ogni blocco preserva la risoluzione spaziale e consiste di tre rami paralleli e due stadi di fusione gated:
   • Flusso Locale Multi-Scala: Utilizza convoluzioni depthwise con kernel quadrati $3 \times 3$ e $5 \times 5$ per estrarre la texture isotropa dei vasi.
   • Flusso Direzionale Consapevole della Struttura: Impiega convoluzioni a strisce allineate agli assi ($1 \times 5$ e $5 \times 1$) per catturare risposte direzionali. Fondamentalmente, questo flusso è aumentato da un prior di magnitudo del bordo Sobel fisso. Questo prior viene calcolato nello spazio delle feature (sul primo canale dell'output dello stem) utilizzando kernel Sobel fissi ($G_x, G_y$) per generare una mappa dei bordi $E(u)$. Questa mappa è proiettata tramite una convoluzione apprendibile $3 \times 3$ e aggiunta elemento per elemento al flusso direzionale. Ciò fornisce un bias induttivo strutturale senza parametri apprendibili nel prior stesso.
   • Flusso a Spazio di Stato Globale: Implementa una scansione a quattro direzioni (Sinistra-Destra, Destra-Sinistra, Alto-Basso, Basso-Alto) adattata da VMamba. Utilizza scalari apprendibili compatti per canale per la discretizzazione, adatto a dataset più piccoli, fornendo complessità lineare pur propagando l'informazione lungo le direzioni di scansione allineate con il routing vascolare.
3. Fusione Gated a Stadi:
   • Stadio 1: I flussi locale multi-scala e direzionale aumentato dalla struttura vengono fusi tramite un meccanismo di gating apprendibile per produrre una rappresentazione locale strutturalmente consapevole.
   • Stadio 2: Questa rappresentazione locale viene fusa con l'output dello spazio di stato globale. Questo ordine assicura che la scansione globale operi su feature già arricchite con indizi strutturali.
4. Aggiornamenti Residui: L'output fuso passa attraverso due connessioni residue con stochastic depth (DropPath), seguite da una rete Feed-Forward puntuale (rapporto MLP $r=2$).

Contributi Chiave
Il documento identifica tre contributi primari:

1. Prior Strutturale Esplicito: L'iniezione di una mappa dei bordi a magnitudo Sobel differenziabile e priva di parametri, calcolata nello spazio delle feature. A differenza dei modelli precedenti che lasciano la geometria strutturale implicita, questo prior marca esplicitamente i confini dei vasi, guidando i rami direzionali e globali.
2. Codifica Locale Sensibile alla Direzione: Un nuovo blocco locale che accoppia convoluzioni isotrope multi-scala con convoluzioni a strisce allineate agli assi, specificamente progettato per corrispondere alla geometria sparsa e lineare delle vene palmari.
3. Strategia di Fusione a Stadi: Una composizione specifica in cui le feature strutturali locali vengono unite prima della scansione globale. Ciò assicura che la scansione a quattro direzioni dello spazio di stato processi una rappresentazione che possiede già indizi strutturali, piuttosto che feature locali non strutturate.

Risultati Sperimentali
Il metodo è stato valutato su due benchmark pubblici: HKPU-NIR e VERA Palm Vein, sotto un protocollo di addestramento unificato. È stato confrontato con ResNet50, Vim-S, ViT-S e GLVM.

• HKPU-NIR: Ha raggiunto il 99,13% di accuratezza top-1 e lo 0,08% di Equal Error Rate (EER) con 7,2M di parametri.
• VERA Palm Vein: Ha raggiunto il 92,42% di accuratezza top-1 e lo 0,61% di EER.
• Performance Comparativa: Il metodo proposto ha ottenuto l'EER più basso tra tutti i modelli confrontati su entrambi i dataset, mantenendo al contempo il minor numero di parametri (7,2M).
• Trade-off: Sebbene GLVM abbia ottenuto una top-1 accuracy leggermente superiore (99,40% su HKPU-NIR) e un costo computazionale significativamente inferiore (0,59 G FLOPs rispetto ai 7,28 G FLOPs del metodo proposto), l'architettura proposta ha dato priorità all'affidabilità della verifica (EER più basso). I FLOPs più elevati sono attribuiti ai blocchi multi-branch densi che operano alla piena risoluzione di $32 \times 32$ senza downsampling.

Significatività e Rivendicazioni
Il documento sostiene che l'architettura proposta affronta con successo la sfida di modellare sia la texture locale che la topologia globale nella biometria delle vene palmari. Integrando un prior strutturale fisso con la modellazione dello spazio di stato, la rete ottiene una performance di verifica superiore (EER più basso) con meno parametri rispetto alle basi esistenti basate su CNN o Transformer.

Gli autori riconoscono i limiti: il prior strutturale è un operatore di bordo del primo ordine fisso (non apprendibile), il confronto si basa su baseline addestrate con pipeline leggermente diverse (sebbene le partizioni dei dati siano identiche), e l'alto costo computazionale limita il design a scenari in cui l'affidabilità della verifica prevale sul budget di inferenza. Il lavoro futuro propone di esplorare prior di connettività apprendibili e operatori globali più snelli.