虛擬現實（VR）頭顯如Meta Quest和Apple Vision Pro通過快速、無摩擦的交互提供了沉浸式體驗，用户認證通常依賴虹膜等生物特徵。然而，傳統的虹膜識別協議在VR中常見的非約束採集條件下可能不夠可靠。本研究基於VRBiom數據集，從三個方面展開了系統性評估。
首先，研究者評估了ISO/IEC 29794-6虹膜質量指標在VR採集數據上的表現，發現某些指標如邊緣充足性（margin adequacy）在VR數據上失效，表明現有標準需要針對VR環境進行調整。其次，針對離軸注視、非均勻照明和鏡面反射等VR特有的數據挑戰，研究者採用生成模型進行圖像調整，顯著改善了圖像質量，尤其提升了眼周區域的識別性能。最後，研究者進行了單模態（虹膜、眼周）識別和分數級多模態融合實驗。
實驗結果顯示，圖像調整主要受益於眼周識別，而虹膜與眼周的多模態融合將等錯誤率（EER）相比於單模態虹膜識別降低了約11%。這一發現為VR頭顯中的高效、魯棒認證提供了新思路。研究團隊表示，將在論文接收後發佈評估腳本以促進可重複性研究。該工作由Husanpreet Singh、Robert Tran、Ayushree Kharel和Sudipta Banerjee共同完成，於2026年7月22日提交至arXiv。