12jun2026
10:00 Defesa de Mestrado Sala 85 do IC2
Tema
Aprimoramento de Impressões Digitais Latentes: Impondo Consistência Topológica via Fusão Gabor Diferenciável e Segmentação Implícita
Aluno
Gabriel Dourado Seabra
Orientador / Docente
Alexandre Xavier Falcão
Breve resumo
Impressões digitais latentes, isto é, os vestígios involuntários deixados em cenas de crime, constituem uma das formas mais valiosas de evidência forense. Contudo, essas impressões sofrem de degradações severas que comprometem a identificação automatizada: deposição parcial, interferência do substrato, contaminação ambiental, distorção não linear e cristas interrompidas. Os métodos de aprimoramento baseados em aprendizado profundo existentes comumente tratam a tarefa como uma tradução genérica imagem a imagem, desconsiderando que impressões digitais são sinais quase periódicos cuja estrutura local é definida pelo campo de orientação das cristas. Quando a informação de orientação é integrada por concatenação de canais por soft fusion, a rede pode simplesmente ignorá-la. Além disso, pipelines modulares que treinam segmentação, estimação de orientação e aprimoramento de forma independente sofrem de propagação de erros em cascata: falhas nos módulos anteriores afetam irreversivelmente o aprimoramento posterior.
Esta dissertação apresenta a OAFE-Net (Orientation-Attentive Latent Fingerprint Enhancement Network), uma arquitetura de ponta a ponta que impõe restrições físicas rígidas ao processo de reconstrução das cristas. A camada de Fusão Gabor diferenciável, principal contribuição da OAFE-Net, é um componente fixo e não treinável que implementa uma operação de filtragem física por meio de um banco de 90 kernels Gabor, ponderados pelo mapa de probabilidades de orientação produzido pelo módulo de Estimação de Campo de Orientação (OFE). Diferentemente da soft fusion por concatenação, a camada Gabor cria um gargalo guiado pela orientação que preserva apenas a energia do sinal compatível com o fluxo de cristas estimado, obrigando o módulo de Segmentação e Aprimoramento de Cristas (RSE) a reconstruir cristas topologicamente consistentes. Quando a estimativa de orientação é incerta, a interferência destrutiva entre os kernels suprime todos os sinais direcionais, impedindo a geração espúria de cristas. Por ser totalmente diferenciável, a perda de aprimoramento retropropaga-se através da camada Gabor até o OFE, criando um laço de autocorreção que elimina os erros em cascata dos pipelines modulares.
Três hipóteses norteiam o trabalho. H1 afirma que o gargalo Gabor rígido proporciona melhor consistência topológica do que estratégias de soft fusion; experimentos de ablação confirmam essa hipótese. H2 demonstra que uma U-Net simples supera uma U-Net Residual para estimação de orientação por funcionar como filtro passa-baixas mais eficaz; a análise espectral revela que atalhos residuais retêm aproximadamente 80x mais energia de alta frequência no gargalo do codificador. H3 valida que o pipeline diferenciável de ponta a ponta elimina a propagação de erros em cascata: a taxa de identificação Rank-1 da OAFE-Net cai apenas 3,9 pontos percentuais na transição de ROI anotada manualmente para operação autônoma, contra 23,3 pp do melhor sistema modular. No benchmark NIST SD27, a OAFE-Net atinge 55,4% de identificação Rank-1 em operação totalmente autônoma (Protocolo 1), superando o método mais próximo em 12,8 pp, com os maiores ganhos no subconjunto "Ugly", no qual mais do que dobra as taxas de identificação de modelos de estado-da-arte recentes.
Banca examinadora
Titulares:
| Alexandre Xavier Falcão | IC/UNICAMP |
| Cauê Zaghetto | SAMSUNG |
| Bruno Motta de Carvalho | DIMAp/UFRN |
Suplentes:
| Marcos Medeiros Raimundo | IC/UNICAMP |
| David Menotti Gomes | DInf/UFPR |