ImmerIris: A Large-Scale Dataset and Benchmark for Off-Axis and Unconstrained Iris Recognition in Immersive Applications

1. Declaração do Problema

O reconhecimento de íris é uma tecnologia biométrica madura, tradicionalmente utilizada em ambientes controlados e no eixo (por exemplo, controle de fronteiras). No entanto, o surgimento de aplicações imersivas como Realidade Estendida (XR) e Realidade Virtual (VR) criou um novo caso de uso para identificação de usuários sem interrupções. Essa mudança introduz três desafios críticos que os métodos tradicionais não conseguem abordar:

• Distorção de Perspectiva: As câmeras em Dispositivos de Cabeça (HMDs) são posicionadas em um ângulo em relação ao olho, fazendo com que a íris apareça elíptica e esticada de forma desigual, em vez de circular.
• Variação Intra-sujeito: Fatores ambientais (mudanças de iluminação) e comportamentos do usuário (mudanças na direção do olhar) causam variações significativas na textura da íris do mesmo usuário ao longo do tempo.
• Degradação da Qualidade: Interações desconstruídas levam a oclusões (pálpebras, cílios), desfoque de movimento e reflexos especulares.

Os conjuntos de dados existentes são ou proprietários, de pequena escala, ou capturados sob condições controladas/no eixo. Além disso, os métodos atuais de Reconhecimento de Última Geração (SOTA) dependem fortemente de uma fase de normalização (desenrolar a íris em uma tira retangular), que é altamente falível quando confrontada com as distorções e degradações severas encontradas em cenários imersivos.

2. Metodologia

A. O Conjunto de Dados ImmerIris

Os autores apresentam o ImmerIris, o maior conjunto de dados público de íris até a data, projetado especificamente para aplicações imersivas.

• Escala: 499.791 imagens oculares de 546 sujeitos.
• Aquisição: Os dados foram coletados usando um headset de VR de consumo (Skyworth Pancake XR) com câmeras NIR montadas lateralmente.
• Protocolo: Os sujeitos observaram uma grade 3x3 de pontos de olhar enquanto o brilho da tela variava em 11 níveis para simular mudanças de iluminação. Isso gerou 990 imagens por sujeito.
• Anotação: O conjunto de dados inclui limpeza rigorosa (remoção de olhos não detectáveis) e anotação de qualidade em seis dimensões: oclusão de pálpebra/cílios, dilatação pupilar, olhar extremo, reflexão especular e desfoque de movimento. Aproximadamente 42% das imagens são marcadas como degradadas em pelo menos uma dimensão.
• Protocolos de Avaliação: O conjunto de dados é organizado em 8 protocolos que variam de desafios isolados (por exemplo, Immer-Occlusion, Immer-Gaze) a cenários combinados e desconstruídos (Immer-Any), permitindo uma avaliação sistemática.

B. Abordagem Proposta: NormFree

O artigo critica o paradigma tradicional de duas etapas (Segmentação $\to$ Normalização $\to$ Extração de Recursos), argumentando que a etapa de normalização é o principal gargalo em cenários fora do eixo.

• Mudança de Paradigma: Os autores propõem um paradigma livre de normalização (NormFree).
• Processo:
  1. Detecção e Recorte: Um detector pré-treinado identifica a região da íris, e uma caixa delimitadora é usada para recortar a imagem ocular. A caixa é expandida (1,2x) para incluir o contexto periocular.
  2. Extração de Recursos: Em vez de desenrolar a textura, a imagem recortada é alimentada diretamente em uma rede neural profunda (ResNet-50) treinada com uma perda de margem angular (ArcFace), semelhante aos sistemas modernos de reconhecimento facial.
• Racional: Essa abordagem aproveita a robustez das DNNs modernas para lidar com variações complexas sem depender do desenrolamento geométrico, que frequentemente falha sob distorção.

3. Contribuições Principais

1. Conjunto de Dados ImmerIris: Um conjunto de dados público de grande escala que captura desafios de reconhecimento de íris fora do eixo e desconstruído, significativamente maior que qualquer conjunto de dados público de íris existente.
2. Benchmark Abrangente: Um conjunto de 8 protocolos de avaliação que isolam e combinam desafios específicos (distorção, variação, degradação) para testar rigorosamente sistemas de reconhecimento.
3. Paradigma NormFree: Um método de reconhecimento simples, de ponta a ponta, que elimina a fase de normalização. O artigo demonstra que essa abordagem supera SOTAs complexos baseados em normalização em ambientes imersivos.

4. Resultados Experimentais

Os autores avaliaram 7 métodos SOTA (incluindo filtros de Gabor, OM e várias DNNs como ComplexIrisNet) contra seu método proposto NormFree no conjunto de dados ImmerIris.

• Falha de Domínio Cruzado: Métodos SOTA treinados em conjuntos de dados controlados tradicionais (CASIA-IrisV4) performaram bem em testes controlados, mas sofreram quedas drásticas de desempenho (a Taxa de Falsa Rejeição aumentou de ~1% para >80%) quando testados no ImmerIris, provando que não generalizam para cenários imersivos.
• Desempenho em Desafios Combinados: No protocolo mais difícil (Immer-Any), o NormFree alcançou uma Taxa de Falsa Rejeição (FRR) de 52,04% (em FAR 1e-5) para teste de olho único, superando significativamente o melhor SOTA (ComplexIrisNet em 57,62%) e superando amplamente métodos tradicionais como Gabor (83,20%).
• Desafios Isolados:
  • Oclusão e Dilatação: O NormFree lidou com esses fatores de forma eficaz, frequentemente ficando em 1º ou 2º lugar.
  • Iluminação: O NormFree mostrou robustez a mudanças de iluminação onde métodos baseados em normalização lutaram.
  • Variação de Olhar: Isso permaneceu o fator mais desafiador para todos os métodos, embora o NormFree ainda mantivesse a liderança.
• Estudos de Ablação:
  • Remover a normalização (NormFree) consistentemente superou manter a normalização (NormKeep), mesmo ao usar a mesma arquitetura de backbone.
  • O ganho de desempenho do NormFree foi menos dependente da escala do modelo, sugerindo que o benefício vem da mudança de paradigma e não apenas da capacidade do modelo.

5. Significado e Conclusão

Este trabalho desafia fundamentalmente a suposição de que a normalização de íris é necessária para reconhecimento de alta precisão. Os autores demonstram que em ambientes fora do eixo e desconstruídos, a fase de normalização introduz mais erros do que resolve.

• Impacto na Pesquisa: O artigo estabelece que arquiteturas modernas de aprendizado profundo, quando aplicadas diretamente a imagens minimamente processadas (semelhante ao reconhecimento facial), são mais adequadas para as distorções de dispositivos XR do que os métodos tradicionais de desenrolamento geométrico.
• Aplicação Prática: O conjunto de dados ImmerIris e o paradigma NormFree fornecem um caminho viável para implantar reconhecimento de íris seguro e sem interrupções em headsets de VR/AR de consumo, habilitando casos de uso como login automático e pagamentos sem exigir que os usuários olhem diretamente para uma câmera.

Em resumo, o artigo argumenta que o futuro do reconhecimento de íris imersivo reside em aprendizado profundo de ponta a ponta, livre de normalização, apoiado por conjuntos de dados realistas e de grande escala como o ImmerIris.