AGVBench: A Reliability-Oriented Benchmark of Data Augmentation for Vein Recognition
정맥 인식(vein recognition) 분야에서 자연 이미지용 데이터 증강 전략이 혈관 구조의 세밀한 위상 정보를 손상시킬 수 있다는 문제의식에서, AGVBench는 30가지 증강 기법을 5개 공개 데이터셋과 7가지 백본 아키텍처로 체계적으로 평가하는 최초의 종합 벤치마크를 제시한다. MixUp, PuzzleMix 등 다중 이미지 혼합 방식이 인식 성능에서 우수하나 적대적 perturbation에 취약해 정확도 중심 평가만으로는 바이오메트릭 증강의 신뢰성을 보장할 수 없음을 실험적으로 입증하였다.