虚拟现实中的眼部验证
本研究评估了ISO/IEC 29794-6虹膜质量指标在VR采集数据上的适用性，发现部分指标失效；利用生成模型解决离轴注视、非均匀照明和镜面反射等挑战；通过虹膜与眼周的多模态融合，将等错误率降低约11%。
虚拟现实（VR）头显如Meta Quest和Apple Vision Pro通过快速、无摩擦的交互提供了沉浸式体验，用户认证通常依赖虹膜等生物特征。然而，传统的虹膜识别协议在VR中常见的非约束采集条件下可能不够可靠。本研究基于VRBiom数据集，从三个方面展开了系统性评估。
首先，研究者评估了ISO/IEC 29794-6虹膜质量指标在VR采集数据上的表现，发现某些指标如边缘充足性（margin adequacy）在VR数据上失效，表明现有标准需要针对VR环境进行调整。其次，针对离轴注视、非均匀照明和镜面反射等VR特有的数据挑战，研究者采用生成模型进行图像调整，显著改善了图像质量，尤其提升了眼周区域的识别性能。最后，研究者进行了单模态（虹膜、眼周）识别和分数级多模态融合实验。
实验结果显示，图像调整主要受益于眼周识别，而虹膜与眼周的多模态融合将等错误率（EER）相比于单模态虹膜识别降低了约11%。这一发现为VR头显中的高效、鲁棒认证提供了新思路。研究团队表示，将在论文接收后发布评估脚本以促进可重复性研究。该工作由Husanpreet Singh、Robert Tran、Ayushree Kharel和Sudipta Banerjee共同完成，于2026年7月22日提交至arXiv。