Fugu-MT 論文翻訳(概要): A Comparative Evaluation of Heart Rate Estimation Methods using Face Videos

論文の概要: A Comparative Evaluation of Heart Rate Estimation Methods using Face Videos

arxiv url: http://arxiv.org/abs/2005.11101v1
Date: Fri, 22 May 2020 10:54:49 GMT
ステータス: 処理完了
システム内更新日: 2022-11-30 08:57:15.708801
Title: A Comparative Evaluation of Heart Rate Estimation Methods using Face Videos
Title（参考訳）: 顔映像を用いた心拍推定法の比較評価
Authors: Javier Hernandez-Ortega, Julian Fierrez, Aythami Morales, David Diaz
Abstract要約: 文献からの4つの代替案がテストされ、3つは手作りのアプローチ、もう1つはディープラーニングに基づいている。実験の結果,学習に基づく手法は手作りの手法よりもはるかに精度が高いことがわかった。学習ベースモデルによって達成されるエラー率の低さは、実際のシナリオにおいてその適用を可能にします。
参考スコア（独自算出の注目度）: 25.413558889761127
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a comparative evaluation of methods for remote heart rate estimation using face videos, i.e., given a video sequence of the face as input, methods to process it to obtain a robust estimation of the subjects heart rate at each moment. Four alternatives from the literature are tested, three based in hand crafted approaches and one based on deep learning. The methods are compared using RGB videos from the COHFACE database. Experiments show that the learning-based method achieves much better accuracy than the hand crafted ones. The low error rate achieved by the learning based model makes possible its application in real scenarios, e.g. in medical or sports environments.
Abstract（参考訳）: 本稿では,顔の映像列を入力として入力したフェイスビデオを用いた遠隔心拍数推定法の比較評価を行い,各時点における被験者心拍数のロバストな推定法を提案する。文献からの4つの代替案がテストされ、3つは手作りのアプローチ、もう1つはディープラーニングに基づいている。これらの手法はCOHFACEデータベースのRGBビデオを用いて比較される。実験の結果, 学習に基づく手法は手作りの手法よりも精度が向上した。学習に基づくモデルによって達成されるエラー率の低さは、実際のシナリオ、例えば医学やスポーツ環境での利用を可能にします。

関連論文リスト

A Comparison of Bounding Box and Landmark Detection Methods for Video-Based Heart Rate Estimation [0.0]
リモート・フォトプレソグラフィーは、人の額の皮膚のトーンの周期的変動を利用して、その人の心拍数を推定する。本稿では,境界箱法とランドマーク検出法という2つの手法を比較し,心拍数を推定する。
論文参考訳（メタデータ） (2023-10-01T18:39:25Z)
RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
RIDEは回転同変検出と不変記述のための学習に基づく手法である。内視鏡画像の大規模なキュレーションを自己指導的に行う。マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
論文参考訳（メタデータ） (2023-09-18T08:16:30Z)
Diffusion-based Visual Counterfactual Explanations -- Towards Systematic Quantitative Evaluation [64.0476282000118]
視覚的対物的説明法(VCE)の最新手法は、深い生成モデルの力を利用して、印象的な画質の高次元画像の新しい例を合成する。評価手順が大きく異なり,個々の実例の視覚検査や小規模なユーザスタディなど,これらのVCE手法の性能を比較することは,現時点では困難である。本稿では,VCE手法の体系的,定量的評価のためのフレームワークと,使用する指標の最小セットを提案する。
論文参考訳（メタデータ） (2023-08-11T12:22:37Z)
Precise localization of corneal reflections in eye images using deep learning trained on synthetic data [9.150553995510217]
眼球画像中の1つの角膜反射(CR)の中心を正確に位置決めする深層学習法を提案する。我々は、シミュレーションデータのみを用いてトレーニングされた畳み込みニューラルネットワーク(CNN)を使用している。提案手法はCR中心位置決めの高精度な手法を提供し,データ可用性問題に対する解決策を提供する。
論文参考訳（メタデータ） (2023-04-12T07:49:21Z)
Visual Heart Rate Estimation from RGB Facial Video using Spectral Reflectance [0.23438564092609357]
本稿では,ユーザのスペクトル反射率を用いた信頼性の高いHR推定フレームワークを提案する。我々は、Viola Jonesアルゴリズムとは対照的に、Faster RCNNのようなディープラーニングベースのフレームワークを用いて顔検出を行う。
論文参考訳（メタデータ） (2022-08-09T04:34:04Z)
The Way to my Heart is through Contrastive Learning: Remote Photoplethysmography from Unlabelled Video [10.479541955106328]
ビデオから生理的信号を確実に推定する能力は、低コストで臨床前の健康モニタリングにおいて強力なツールである。本稿では, 人の顔や皮膚の観察から血液量の変化を計測するリモート光胸腺造影法(r)の新たなアプローチを提案する。
論文参考訳（メタデータ） (2021-11-18T15:21:33Z)
Low-resolution Human Pose Estimation [49.531572116079026]
低分解能ポーズ推定のための信頼意識学習(CAL)手法を提案する。 CALは、既存のオフセット学習手法の2つの基本的な制限に対処する: 一貫性のないトレーニングとテスト、分離されたヒートマップとオフセット学習。提案手法は,低分解能人間のポーズ推定における最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2021-09-19T09:13:57Z)
Self-Attentive 3D Human Pose and Shape Estimation from Videos [82.63503361008607]
3D人間のポーズと形状推定のためのビデオベースの学習アルゴリズムを紹介します。ビデオの時間情報を利用して自己着脱モジュールを提案する。本手法を3DPW, MPI-INF-3DHP, Human3.6Mデータセット上で評価した。
論文参考訳（メタデータ） (2021-03-26T00:02:19Z)
MetaPhys: Few-Shot Adaptation for Non-Contact Physiological Measurement [17.038017337552724]
そこで我々はMetaPhysというメタラーニング手法を提案する。カスタマイズには18秒の動画しか使用せず、教師なしと教師なしの両方で効果的に機能する。
論文参考訳（メタデータ） (2020-10-05T04:41:03Z)
Self-Supervised Human Depth Estimation from Monocular Videos [99.39414134919117]
人間の深度を推定する従来の方法は、しばしば地上の真実の深度データを用いた教師あり訓練を必要とする。本稿では,YouTubeビデオの奥行きを知ることなく,自己指導型手法を提案する。実験により,本手法はより一般化され,野生のデータに対してより優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2020-05-07T09:45:11Z)
Deep-HR: Fast Heart Rate Estimation from Face Video Under Realistic Conditions [62.68522031911656]
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。
論文参考訳（メタデータ） (2020-02-12T07:00:07Z)

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。