性別によって指静脈の形状や状態が異なるため,指静脈認証の性能も性別によって変化することが知られている．指静脈認証の性能を向上させるためには，性別を考慮した特徴を用いた手法が有効であると考えられる．現在までに，指静脈画像から性別を推定するために，畳み込みニューラルネットワーク (CNN) を用いた手法が提案されている．CNN などの深層学習モデルの訓練に公開データセットが用いられるが，それらには性別間にデータ数の偏りが生じている．本稿では，生成画像を学習データに加えて偏りを改善する手法と，Vision Transformer (ViT) を用いた性別推定手法を提案する．CNN は，局所的な特徴に着目するため，指の広範囲にわたる特徴を十分に考慮できない．提案手法では，ViT を用いることで大域的な特徴を捉えられるようにするとともに，分類を行うヘッドを改良し，性別推定精度の向上を図る．公開データセットを用いた性能評価実験を通して，提案手法の有効性を実証する．