論文の概要: Deep-HR: Fast Heart Rate Estimation from Face Video Under Realistic Conditions

• arxiv url: http://arxiv.org/abs/2002.04821v1
• Date: Wed, 12 Feb 2020 07:00:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 20:15:00.501218
• Title: Deep-HR: Fast Heart Rate Estimation from Face Video Under Realistic Conditions
• Title（参考訳）: Deep-HR:現実的条件下での顔画像からの高速心拍数推定
• Authors: Mohammad Sabokrou, Masoud Pourreza, Xiaobai Li, Mahmood Fathy, Guoying Zhao
• Abstract要約: 本稿では、複雑なタスクからのHR推定を単純化し、非常に相関した表現からHRへ学習することで、Deep Neural Network(DNN)の利点を享受する、シンプルで効率的なアプローチを提案する。 より正確で高品質なビデオでは、FEの出力を改善するために、2つのディープエンコーダデコーダネットワークが訓練されている。 HR-DおよびMAHNOBデータセットによる実験結果から,本手法がリアルタイム手法として動作し,最先端の手法よりも平均HRを推定できることが確認された。
• 参考スコア（独自算出の注目度）: 62.68522031911656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a novel method for remote heart rate (HR) estimation. Recent studies have proved that blood pumping by the heart is highly correlated to the intense color of face pixels, and surprisingly can be utilized for remote HR estimation. Researchers successfully proposed several methods for this task, but making it work in realistic situations is still a challenging problem in computer vision community. Furthermore, learning to solve such a complex task on a dataset with very limited annotated samples is not reasonable. Consequently, researchers do not prefer to use the deep learning approaches for this problem. In this paper, we propose a simple yet efficient approach to benefit the advantages of the Deep Neural Network (DNN) by simplifying HR estimation from a complex task to learning from very correlated representation to HR. Inspired by previous work, we learn a component called Front-End (FE) to provide a discriminative representation of face videos, afterward a light deep regression auto-encoder as Back-End (BE) is learned to map the FE representation to HR. Regression task on the informative representation is simple and could be learned efficiently on limited training samples. Beside of this, to be more accurate and work well on low-quality videos, two deep encoder-decoder networks are trained to refine the output of FE. We also introduce a challenging dataset (HR-D) to show that our method can efficiently work in realistic conditions. Experimental results on HR-D and MAHNOB datasets confirm that our method could run as a real-time method and estimate the average HR better than state-of-the-art ones.
• Abstract（参考訳）: 本稿では,遠隔心拍数推定のための新しい手法を提案する。 近年の研究では、心臓による血液ポンプは顔のピクセルの濃厚な色と高い相関関係にあり、驚くべきことに遠隔hr推定に利用できることが示されている。 研究者は、このタスクのためにいくつかの方法を提案したが、現実の状況で動作させることは、コンピュータビジョンコミュニティにおいて依然として困難な問題である。 さらに、非常に限定的な注釈付きサンプルでそのような複雑なタスクをデータセット上で解くことは合理的ではない。 したがって、研究者はこの問題にディープラーニングアプローチを使うことを好まない。 本稿では、複雑なタスクからのHR推定を単純化し、非常に相関した表現からHRへの学習を簡略化し、Deep Neural Network(DNN)の利点を享受する、単純かつ効率的なアプローチを提案する。 以前の研究に触発されて、Front-End (FE) と呼ばれるコンポーネントを学習して、顔ビデオの識別表現を提供し、その後、Back-End (BE) のような光深度回帰自動エンコーダを学習して、FE表現をHRにマッピングする。 情報表現の回帰タスクは単純で、限られたトレーニングサンプルで効率的に学習することができる。 これに加えて、より正確で低品質なビデオでうまく機能するために、2つのディープエンコーダ-デコーダネットワークがfeの出力を洗練するよう訓練されている。 また,本手法が現実的な条件下で効率的に動作することを示すために,挑戦的データセット(HR-D)を導入する。 HR-DおよびMAHNOBデータセットの実験結果から,本手法はリアルタイム手法として動作し,最先端の手法よりも平均HRを推定できることを確認した。

関連論文リスト

• The Power of Active Multi-Task Learning in Reinforcement Learning from Human Feedback [12.388205905012423]
  人間のフィードバックからの強化学習は、大きな言語モデルの性能向上に寄与している。 我々は、RLHFをコンテキストデュエルバンディット問題として定式化し、共通の線形表現を仮定する。 我々は、$varepsilon-$optimalを達成するために、ソースタスクのサンプルの複雑さを著しく低減することができることを証明した。
  論文  参考訳（メタデータ） (2024-05-18T08:29:15Z)
• Sample Efficient Reinforcement Learning from Human Feedback via Active Exploration [29.935758027209292]
  予測に基づくフィードバックは、強化学習における多くのアプリケーションにとって重要である。 本研究は,人間のフィードバックを得るために文脈を選択することができるという事実を生かしている。 提案手法は,複数のベースラインよりも人間の好みのサンプルが少ない場合に,より優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2023-12-01T00:54:02Z)
• 360$^\circ$ High-Resolution Depth Estimation via Uncertainty-aware Structural Knowledge Transfer [8.988255747467333]
  高分解能(HR)全方位深度マップを予測するために、既存の手法では、完全に教師付き学習を通じて入力としてHR全方位画像(ODI)を利用するのが一般的である。 本稿では,HR深度GTマップが存在しない場合に,低分解能(LR) ODIから直接HR全方位深度を推定する。 我々のキーとなる考え方は、HR画像のモダリティと対応するLR深度マップからシーン構造的知識を移譲し、余分な推論コストを伴わずにHR深度推定の目標を達成することである。
  論文  参考訳（メタデータ） (2023-04-17T03:24:21Z)
• EVM-CNN: Real-Time Contactless Heart Rate Estimation from Facial Video [9.664590078212441]
  空間的および時間的フィルタリングと畳み込みニューラルネットワークを組み合わせることで、リアルな条件下での心拍数(HR)をリモートで推定する新しい枠組みが導入された。 提案手法は, 平均人事推定と短時間人事推定の両方の観点から, MMSE-HRデータセットのベンチマークと比較すると, 優れた性能を示す。
  論文  参考訳（メタデータ） (2022-12-25T15:25:15Z)
• Few-Shot Preference Learning for Human-in-the-Loop RL [13.773589150740898]
  メタラーニングの成功に触発された我々は、先行タスクデータに対する嗜好モデルを事前訓練し、少数のクエリだけで新しいタスクに迅速に適応する。 メタワールドにおける操作ポリシーのトレーニングに必要なオンラインフィードバックの量を20$times$に削減し,実際のフランカ・パンダロボット上での手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-12-06T23:12:26Z)
• A Practical Contrastive Learning Framework for Single-Image Super-Resolution [51.422185656787285]
  コントラスト学習に基づく単一画像の超解像を2つの視点から検討する。 SISR のための実践的コントラスト学習フレームワーク PCL-SR を提案する。 既存のベンチマーク手法と比較して,提案手法をPCL-SRフレームワークで再学習し,優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-11-27T15:42:12Z)
• FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
  本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。 我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。 従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
  論文  参考訳（メタデータ） (2021-07-07T13:39:08Z)
• Few-Cost Salient Object Detection with Adversarial-Paced Learning [95.0220555274653]
  本稿では,少数のトレーニング画像にのみ手動アノテーションを応用して,効果的なサルエント物体検出モデルを学習することを提案する。 我々は,このタスクを,少額の有能な物体検出とみなし,少数のコストの学習シナリオを促進するために,APL(Adversarialpaced Learning)ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-05T14:15:49Z)
• Best-Buddy GANs for Highly Detailed Image Super-Resolution [71.13466303340192]
  我々は,低分解能(LR)入力に基づいて高分解能(HR)画像を生成する単一画像超解像(SISR)問題を考える。 このラインに沿ったほとんどのメソッドは、SISRタスクに十分な柔軟性がない、事前定義されたシングルLRシングルHRマッピングに依存しています。 リッチディテールSISRのためのベストバディGAN(Beby-GAN)を提案する。 イミュータブルな1対1の制約を緩和することで、推定されたパッチを動的に最高の監視を求めることができる。
  論文  参考訳（メタデータ） (2021-03-29T02:58:27Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。