Jul, 2024

通过合成信号引导的特征学习进行完全测试时间的rPPG估计

HTML
PDF
TL;DR提出了一种利用合成信号引导的光电容积脉搏图(rPPG)特征学习框架，通过设计一种基于频谱的熵最小化方法以及通过合成伪rPPG信号来指导条件生成器生成潜在的rPPG特征，从而适应性地估计不同心率分布的rPPG信号。实验证明，该方法在TTA-rPPG基准测试中取得了卓越的性能，并在大多数协议中优于以前的DG和DA方法。
发现论文，激发创造
  • 使用迁移元学习器进行远程心率估计的元rPPG

    本文提出了一种基于远程光电容积脉搏图（rPPG）的无接触式心率估计方法，通过自监督权重调整来实现在测试部署期间对未标记样本的快速适应以应对未知分布变化的能力，从而取得了MAHNOB-HCI和UBFC-rPPG方面的最优性能。

    Jul, 2020

  • 通过对比学习走近我的心：从未标记视频中进行远程光电容积图

    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

  • 通过任意分辨率视频学习抗运动影响的遥测脉搏测量技术

    本文提出了两种对非接触式心率估计中长度和面部运动造成的误差进行修正的方法，并且使用一个双流双分辨率框架来训练模型以学习稳健的面部信号特征，实验证明了所提出方法的优越性。

    Nov, 2022

  • 用于可广泛推广的远程生理测量的神经元结构建模

    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

  • 在跨数据集远程光电容积脉搏图方面提升泛化能力

    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

  • 遥测生理测量的自监督掩蔽自编码器预训练

    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

  • 通过显式和隐式先验知识的融合推动可泛化的远程生理测量

    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

  • 使用深度学习远程光电容积脉搏模型相似性测量领域转变

    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

  • 迈向运动稳健性: 一种遮蔽关注正规化框架在远程光电测量中的应用

    提出了一种基于面部视频的遥感光频波测量的新方法，通过掩蔽关注机制和增强的rPPG专家聚合网络，解决了ROI定位和运动问题，并在现实世界的场景下表现出优势。

    Jul, 2024

  • 无源领域自适应远程生理测量的研究

    本文针对传统远程光电容积图（rPPG）模型在未见领域的泛化能力差的问题，提出了首个无源领域自适应基准(SFDA-rPPG)。该方法通过采用三分支时空一致性网络（TSTC-Net）和基于频率域瓦瑟斯坦距离（FWD）的新型rPPG分布对齐损失，实现了在无源数据访问的情况下有效的领域自适应，实验结果表明该方法在无源领域自适应设置下的有效性。

    Sep, 2024