本文提出了一种利用远程光电容积图术（rPPG）任务中的显性和隐性先验知识的新框架，通过系统分析不同领域的噪声源，并将这些先验知识纳入网络进行训练，同时利用两个分支网络通过隐式标签相关性去除噪声并提取生理特征分布，我们的实验证明，该方法不仅在 RGB 跨数据集评估上胜过现有方法，而且能够很好地从 RGB 数据集泛化到 NIR 数据集。

Mar, 2024

研究表明，当前基于深度学习的 Remote Photoplethysmography (rPPG) 模型倾向于学习训练数据集中的脉搏波特征，作者提出的一种扩充训练数据集范围和变化性的方法成功缓解了这种倾向，进一步提高了模型的泛化能力。

May, 2023

本论文提出了一种交叉验证的特征分离策略，以获得与非生理特征分离的生理特征，并使用提取出的生理特征进行多任务生理测量，该方法在多个公共数据集上进行了综合实验，表现出了较好的鲁棒性。

Jul, 2020

本文提出了一种针对远程光电容积图 (rPPG) 的自监督学习方法，以提取生理信号中固有的自我相似性先验，并探索了一种特定的抗干扰策略以减少动作和光照的干扰，实现了较好的性能。

Jun, 2023

本文介绍了一种远程面部信号分析的新方法，应用了神经网络和自监督训练进行无监督学习，利用对感兴趣信号的弱先验建模，并成功在四个数据集上进行测试，证明了该方法的可行性和效果。

Nov, 2021

本文介绍了一种名为 NEST 的基于神经元结构建模的无领域标签方法，用于解决远程光电容积脉搏 (rPPG) 测量任务中的领域转移问题，并在多个数据集的测试中表现出优异的通用性能。

Mar, 2023

通过模型相似性来衡量领域偏移的指标可用作领域偏移的度量，并且我们展示了这些指标与实际性能之间的高相关性。其中一项具有可行相关性的提议指标为 DS-diff，不需要假设对目标领域的基本事实，即可应用于自然环境数据。因此，我们研究了一个模型选择问题，在该问题中，无法获得评估领域的基本事实结果，并且相对于平均情况基准线，性能提高了 13.9%。

Apr, 2024

可见光相机能够捕捉到微妙的生理生物标志物，无需与被试物理接触。我们提出了多站点生理监测（MSPM）数据集，这是第一个支持从人体多个位置同时基于相机进行重要生命体征估计的数据集。MSPM 允许研究远程光电容抗图，呼吸频率和脉冲传递时间（PTT）；它包含使用接触传感器进行脉搏氧合指数（在多个体部位）和血压的地面真值测量。我们提供了详尽的实验证明 MSPM 适用于支持 rPPG，呼吸频率和 PTT 的研究。交叉数据集 rPPG 实验表明 MSPM 是一个具有挑战性但高质量的数据集，在某些情况下，数据集内部心率平均绝对误差为 4 次 / 分钟以下，跨数据集心率平均绝对误差为 2 次 / 分钟以下。呼吸实验通过从胸部提取动作特征找到 1.09 次 / 分钟的平均绝对误差。 PTT 实验发现，在不同体部位的配对中，远程 PTT 与接触测量的 PTT 之间存在高相关性，这为未来基于相机的 PTT 研究提供了可能性。

Feb, 2024

本研究分析了目前为止最大的真实世界远程光电容抗数据集，涵盖了 893 名受试者和 6 种菲茨帕特里克皮肤色调，实验结果表明，包含数百名受试者的数据集足以进行有效的远程光电容抗模型训练，并强调了皮肤色调的多样性和一致性对于不同数据集的精确性能评估的重要性。

Apr, 2024

DOHA 框架通过引入和融合相干相位策略和相干超平面优化，解决了不同数据集之间的标签冲突和属性冲突，提升了现有方法在多个协议下的性能表现。

Apr, 2024