바이오 이미지 인식은 사람의 지문, 지정맥, 얼굴, 홍채 등 신체적 특징을 사용하여 개인의 신원을 확인하는 기술이다. 이러한 인식 방법은 패스워드 또는 카드키와 같은 인증 수단보다 안정성이 높으며, 보안 시스템을 강화한다. 그러나 바이오인식 기술의 연구 및 개발을 하기 위하여 대규모의 데이터셋이 필요하며 데이터셋을 구축하기 위해서는 큰 비용과 많은 시간이 발생한다. 또한 실제 데이터셋을 구축하는 과정에서 개인 정보 보호 및 법률상의 문제가 발생할 수 있어 데이터를 다루는 데 제한이 생길 수 있다. 공개 데이터셋의 실험은 편향적인 샘플이 생성될 수 있고 데이터셋마다 개수, 이미지 퀄리티, 수집 조건이 상이하기 때문에 연구 요구 조건에 맞는 데이터셋을 만드는 연구가 필요하다.
본 논문은 이미지 생성 모델 중 확산 모델을 이용하여 실제 이미지를 대체할 수 있는 가상의 지문과 지정맥을 생성할 수 있는 2-stage의 알고리즘을 제안하며 적대적 생성 네트워크로 생성한 이미지들과 비교한다. 해당 알고리즘은 지문과 지정맥에 대하여 랜덤 노이즈로부터 이미지를 생성할 수 있는 Diffusion 모델과 GAN 모델이 결합한 Thumbnail-Network(Random Network)와 동일ID의 특징을 보존하며 유사한 이미지를 만들 수 있는 ID-Network (Deterministic-Network)로 구성된다. R-Network은 적대적 생성 네트워크와 확산 모델로 구성된 두 종류의 네트워크 이용하여 샘플을 생성하고 비교평가 하였다. 지문에 대해서는 INHA-Op-2004 dataset, FVC2000 dataset, 지정맥에서는 VERA dataset에 대한 실험을 수행하고 평가 결과를 분석하였다.
제안된 알고리즘으로 생성된 지문과 지정맥 이미지는 시나리오에 따라 동일한 특성을 가지고 있는 지 평가를 진행했으며 이미지의 퀄리티와 위조 판별 실험을 통해 실제로 바이오 시스템에서 사용 가능한 지문과 지정맥을 생성 가능함을 입증하였다.