虛擬現實中的眼部驗證
本研究評估了ISO/IEC 29794-6虹膜質量指標在VR採集資料上的適用性，發現部分指標失效；利用生成模型解決離軸注視、非均勻照明和鏡面反射等挑戰；透過虹膜與眼周的多模態融合，將等錯誤率降低約11%。
虛擬現實（VR）頭顯如Meta Quest和Apple Vision Pro透過快速、無摩擦的互動提供了沉浸式體驗，使用者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資料集，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採集資料上的表現，發現某些指標如邊緣充足性（margin adequacy）在VR資料上失效，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特有的資料挑戰，研究者採用生成模型進行影像調整，顯著改善了影像質量，尤其提升了眼周區域的識別效能。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，影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，將在論文接收後釋出評估指令碼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。