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

기술 요약: 손바닥 정맥 생체 인식용 토폴로지 인지 글로벌-로컬 맘바 네트워크 (Topology-Aware Global-Local Mamba Networks)

문제 정의
손바닥 정맥 인식은 근적외선(NIR) 조명 하에서만 관찰되는 가늘고 대비가 낮은 혈관 구조를 특징으로 하는 미세한 생체 인식 작업입니다. 이러한 특징은 위조 및 표면 오염에 대한 강건성을 제공하지만, 제한된 공개 데이터셋, 클래스 내 변이(포즈, 노이즈, 조명), 그리고 혈관 나무의 국소적 질감과 전역적 연결성을 모두 모델링해야 하는 필요성 때문에 효과적인 인식이 어렵습니다. 기존의 딥러닝 접근 방식은 구체적인 한계에 직면해 있습니다: CNN은 장거리 토폴로지를 포착하기 위해 공격적인 다운샘플링을 요구하며, 이 과정에서 가는 혈관 구조가 억제됩니다; Transformer 및 셀프 어텐션 메커니즘은 고해Resolution 이미지에 대해 계산 비용이 많이 들며, 희소한 혈관 패턴을 희석시킬 수 있습니다; 그리고 Vim(Vision Mamba)이나 GLVM(Global-Local Vision Mamba)과 같은 기존 상태 공간 모델(SSM)은 혈관 구조에 내재된 선형적이고 방향 민감한 기하학적 구조를 명시적으로 인코딩하지 못합니다.

방법론
저자들은 국소적 질감과 전역적 정맥 토폴로지를 공동으로 모델링하도록 설계된 백본 아키텍처인 **토폴로지 인지 글로벌-로컬 맘바 네트워크(Topology-Aware Global-Local Mamba Network)**를 제안합니다. 이 네트워크는 스템(stem), 6개의 동일한 토폴로지 인지 블록(TAB) 본체, 그리고 분류 헤드를 통해 단일 채널 NIR 이미지($128 \times 128$)를 처리합니다.

1. 스템 (Stem): 두 개의 스트라이드(strided) $3 \times 3$ Conv-BatchNorm-SiLU 레이어를 사용하여 해상도를 $128 \times 128$에서 $32 \times 32$로 줄이고 채널을 $D=256$으로 확장합니다.
2. 토폴로지 인지 블록 (TAB): 각 블록은 공간 해상도를 유지하며 세 개의 병렬 브랜치와 두 단계의 게이트 융합(gated fusion)으로 구성됩니다:
   • 다중 스케일 로컬 스트림 (Multi-Scale Local Stream): $3 \times 3$ 및 $5 \times 5$ 정사각형 커널을 가진 뎁스와이즈 컨볼루션(depthwise convolutions)을 사용하여 등방성(isotropic) 혈관 질감을 추출합니다.
   • 구조 인지 방향성 스트림 (Structure-Aware Directional Stream): 축 정렬 스트립 컨볼루션($1 \times 5$ 및 $5 \times 1$)을 사용하여 방향성 응답을 포착합니다. 결정적으로, 이 스트림은 **고정된 소벨 크기 에지 사전 지식(fixed Sobel-magnitude edge prior)**에 의해 보강됩니다. 이 사전 지식은 스템 출력의 첫 번째 채널에서 고정된 소벨 커널($G_x, G_y$)을 사용하여 특징 공간에서 계산되며, 이를 통해 에지 맵 $E(u)$를 생성합니다. 이 맵은 학습 가능한 $3 \times 3$ 컨볼루션을 통해 투영된 후 방향성 스트림에 요소별(element-wise)로 더해집니다. 이는 사전 지식 자체에는 학습 가능한 파라미터 없이 구조적 유도 편향(inductive bias)을 제공합니다.
   • 글로벌 상태 공간 스트림 (Global State-Space Stream): VMamba에서 파생된 4방향 상태 공간 스캔(좌-우, 우-좌, 상-하, 하-상)을 구현합니다. 이는 작은 데이터셋에 적합하도록 이산화를 위한 압축 가능한 학습 가능 척도(per-channel scalars)를 사용하며, 혈관 경로와 정렬된 스캔 방향을 따라 정보를 전파하면서 선형 복잡도를 제공합니다.
3. 단계별 게이트 융합 (Staged Gated Fusion):
   • 1단계: 다중 스케일 스트림과 구조 보강 방향성 스트림이 학습 가능한 게이팅 메커니즘을 통해 융합되어 구조적으로 인지된 국소 표현을 생성합니다.
   • 2단계: 이 국소 표현은 글로벌 상태 공간 출력과 융합됩니다. 이러한 순서는 글로벌 스캔이 구조적 단서로 이미 풍부해진 특징 위에서 작동하도록 보장합니다.
4. 잔차 업데이트 (Residual Updates): 융합된 출력은 스토캐스틱 뎁스(DropPath)가 적용된 두 개의 잔차 연결을 통과한 후, 포인트와이즈 피드 포워드 네트워크(MLP 비율 $r=2$)를 거칩니다.

주요 기여
본 논문은 세 가지 주요 기여를 식별합니다:

1. 명시적 구조적 사전 지식 (Explicit Structural Prior): 특징 공간에서 계산된 파라미터가 없는 미분 가능한 소벨 크기 에지 맵을 주입합니다. 구조적 기하학을 암묵적으로 남겨두는 이전 모델들과 달리, 이 사전 지식은 혈관 경계를 명시적으로 표시하여 방향성 및 글로벌 브랜치를 안내합니다.
2. 방향 민감형 국소 인코딩 (Direction-Sensitive Local Encoding): 다중 스케일 등방성 컨볼루션과 축 정렬 스트립 컨볼루션을 결합한 새로운 로컬 블록을 제안하며, 이는 손바닥 정맥의 선형적이고 희소한 기하학적 구조에 특화되어 있습니다.
3. 단계별 융합 전략 (Staged Fusion Strategy): 국소적 구조 특징이 글로벌 스캔 이전에 병합되는 특정 구성을 통해, 4방향 상태 공간 스캔이 구조적 단서를 이미 포함하고 있는 표현을 처리하도록 보장합니다.

실험 결과
본 방법은 통합된 훈련 프로토콜 하에 두 개의 공개 벤치마크인 HKPU-NIR 및 VERA Palm Vein에서 평가되었습니다. ResNet50, Vim-S, ViT-S, 그리고 GLVM과 비교되었습니다.

• HKPU-NIR: 7.2M 파라미터로 **99.13%**의 Top-1 정확도와 **0.08%**의 등가 오류율(EER)을 달립다.
• VERA Palm Vein: **92.42%**의 Top-1 정확도와 **0.61%**의 EER를 달성했습니다.
• 비교 성능: 제안된 방법은 두 데이터셋 모두에서 비교된 모든 모델 중 가장 낮은 EER를 기록하는 동시에 가장 적은 파라미터 수(7.2M)를 유지했습니다.
• 트레이드오프 (Trade-offs): GLVM이 HKPU-NIR에서 약간 더 높은 Top-1 정확도(99.40%)와 현저히 낮은 계산 비용(제안된 방법의 7.28 G FLOPs 대비 0.59 G FLOPs)을 달성했으나, 제안된 아키텍처는 검증 신뢰성(최저 EER)을 우선시했습니다. 높은 FLOPs는 다운샘플링 없이 전체 $32 \times 32$ 해상도에서 동작하는 밀집 다중 브랜치 블록에 기인합니다.

의의 및 주장
본 논문은 제안된 아키텍처가 손바닥 정맥 생체 인식에서 국소적 질감과 전역적 토폴로지를 모두 모델링하는 과제를 성공적으로 해결했다고 주장합니다. 고정된 구조적 사전 지식을 상태 공간 모델링과 통합함으로써, 이 네트워크는 기존의 CNN 또는 Transformer 기반 베이스라인보다 적은 파라미터로 우수한 검증 성능(최저 EER)을 달성합니다.

저자들은 한계점을 인정합니다: 구조적 사전 지식은 학습 불가능한 고정된 1차 에지 연산자이며, 비교가 약간 다른 파이프라인 하에서 훈련된 베이스라인을 사용했다는 점(단, 데이터 분할은 동일함), 그리고 높은 계산 비용으로 인해 검증 신뢰성이 추론 예산보다 중요한 시나리오에 설계가 제한된다는 점입니다. 향후 연구로는 학습 가능한 연결성 인지 사전 지식 및 더 가벼운 글로벌 연산자를 탐색하는 것이 제안되었습니다.