本文提出了一种使用深度卷积神经网络进行基于视频的非接触式心率和呼吸率测量的新方法，该系统采用一种基于皮肤反射模型的新动作表示和一种使用外观信息引导运动估计的新注意机制，从而实现在异质光照和主要运动下强大的测量，其空间 - 时域分布可通过注意机制进行可视化，能够显著优于所有当前最先进的 RGB 和红外视频数据集上的方法。

May, 2018

本文提出了在合成生理信号和相应的面部视频中添加真实世界噪声的几种方法，并在三个公开的真实世界数据集上评估了我们的框架，结果显示我们能够将平均 MAE 从 6.9 降低到 2.0。

Nov, 2023

本文提出了一个高效的框架来解决人体姿势估计的问题，通过可微分神经架构搜索方法来个性化定制网络设计，并介绍了空间信息校正模块来提高最终预测的效果。实验结果表明，我们的最小模型只有 0.65 GFLOPs，在 MPII 上具有 88.1% 的 [email protected]，并且我们的大型模型只有 2 GFLOPs，而其准确性与最先进的大型模型 HRNet 相当 。

Dec, 2020

提出了一种基于多摄像头的自监督视频心率和呼吸率测量方法，通过对多个摄像头捕获的面部视频进行对比学习，预测同步视频的脉搏和呼吸波，并通过数据增强技术和预训练模型提高模型的鲁棒性，实验结果表明该方法优于现有的心率和呼吸率测量方法。

Oct, 2023

本文提出一种针对面部视频的生理信号恢复算法，包括一个完整且高效的训练和测试框架，以及一个高度同步、无损格式的数据集，该数据集包含来自 58 个受试者的 32 个小时（3.53M 帧）的视频，旨在为不同的算法提供公平比较。

May, 2023

摄像头技术可以通过分析人体图像以计算生理变化，因此在遥测医疗监测方面有着极大的应用潜力，同时也存在一定的挑战和需要解决的问题。该研究论文综述了这一技术的现状、能够测量的生理指标及其计算方法，并涵盖了临床和非临床应用。

Nov, 2021

本文提出了一种基于视频 Transformer 的方法，从面部视频中估计瞬时心率和呼吸率，并在大规模 Vision-for-Vitals 基准测试中取得优异表现，尤其在瞬时呼吸率估计方面超越了基于浅层和深度学习的方法。

Feb, 2022

使用计算算法和相机进行非侵入性、低成本和可扩展的生理（例如心肺）重要指标的测量非常吸引人。该研究引入了 Synthetic 数据集 SCAMPS 为相机测量生理指标提供完美标签，并以真实数据集作为测试集以说明可推广性。

Jun, 2022

介绍了一种新的可训练系统，用于物理上合理的无标记 3D 人体运动捕捉，称之为 physionical，该系统在多种具有挑战性的场景下实现了最新技术的结果，其输入为 2D 关节关键点，能够在交互帧速率中生成平滑而物理明确的 3D 动作。

May, 2021

本研究提出了 EfficientHRNet，这是一系列轻量级多人姿势估计器，能够在资源受限设备上实时执行姿势估计操作。通过将模型缩放的最新进展与高分辨率特征表示的统一，EfficientHRNet 在降低计算量的同时创建高度准确的模型，最大的模型能够在 1/3 的计算量和 1/3 的功率的情况下，实现与现有最先进水平相近的精度。

Jul, 2020