論文の概要: Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling
- arxiv url: http://arxiv.org/abs/2007.08213v1
- Date: Thu, 16 Jul 2020 09:39:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 23:26:24.847716
- Title: Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling
- Title(参考訳): クロスバージョニングによる映像を用いた遠隔生理計測
- Authors: Xuesong Niu, Zitong Yu, Hu Han, Xiaobai Li, Shiguang Shan, Guoying
Zhao
- Abstract要約: 非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
- 参考スコア(独自算出の注目度): 121.50704279659253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Remote physiological measurements, e.g., remote photoplethysmography (rPPG)
based heart rate (HR), heart rate variability (HRV) and respiration frequency
(RF) measuring, are playing more and more important roles under the application
scenarios where contact measurement is inconvenient or impossible. Since the
amplitude of the physiological signals is very small, they can be easily
affected by head movements, lighting conditions, and sensor diversities. To
address these challenges, we propose a cross-verified feature disentangling
strategy to disentangle the physiological features with non-physiological
representations, and then use the distilled physiological features for robust
multi-task physiological measurements. We first transform the input face videos
into a multi-scale spatial-temporal map (MSTmap), which can suppress the
irrelevant background and noise features while retaining most of the temporal
characteristics of the periodic physiological signals. Then we take pairwise
MSTmaps as inputs to an autoencoder architecture with two encoders (one for
physiological signals and the other for non-physiological information) and use
a cross-verified scheme to obtain physiological features disentangled with the
non-physiological features. The disentangled features are finally used for the
joint prediction of multiple physiological signals like average HR values and
rPPG signals. Comprehensive experiments on different large-scale public
datasets of multiple physiological measurement tasks as well as the
cross-database testing demonstrate the robustness of our approach.
- Abstract(参考訳): 遠隔の生理的測定(例えば、リモート光胸腺撮影(rPPG)ベースの心拍数(HR)、心拍変動(HRV)および呼吸周波数(RF)測定)は、接触測定が不便または不可能なアプリケーションシナリオにおいて、ますます重要な役割を担っている。
生理的信号の振幅は非常に小さいため、頭部の動き、照明条件、センサーの多様性に影響を受けやすい。
これらの課題に対処するために, 生理的特徴と非生理的表現を区別し, 蒸留した生理的特徴をロバストな多タスク生理的測定に利用するクロス検証型特徴分割戦略を提案する。
まず、入力された顔の映像をマルチスケールの時空間マップ(MSTmap)に変換し、周期的生理的信号の時間的特性の大半を保持しながら、無関係な背景と雑音の特徴を抑える。
次に、2つのエンコーダを持つオートエンコーダアーキテクチャ(生理的信号と非生理的情報)への入力として、ペアワイズMSTマップを用いて、非生理的特徴とは無関係な生理的特徴を得る。
解離した特徴は、最終的に平均HR値やrPPG信号のような複数の生理的信号の合同予測に使用される。
複数の生理的測定タスクの大規模公開データセットの総合的な実験とデータベース横断試験は、我々のアプローチの堅牢性を示している。
関連論文リスト
- Scaling Wearable Foundation Models [54.93979158708164]
センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。
最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。
この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
論文 参考訳(メタデータ) (2024-10-17T15:08:21Z) - Brant-X: A Unified Physiological Signal Alignment Framework [5.4568483942428925]
特に、脳が生命活動の制御中心としての役割を考えると、脳波(EEG)は他の生理的信号と有意な相関を示す。
脳波と他の信号との相関をモデル化するための統合された生理学的信号アライメントフレームワークであるBrant-Xを提案する。
本手法は脳波基礎モデルを用いて脳波の豊富な知識を他の生理的信号にデータ効率よく伝達し,(2)脳波と他の信号のセマンティクスを完全に整合させる2段階のアライメントを導入する。
論文 参考訳(メタデータ) (2024-08-28T13:26:42Z) - Reconstructing physiological signals from fMRI across the adult lifespan [4.676726712148322]
fMRIデータから低周波呼吸量(RV)と心拍変動(HR)の2つの重要な生理的シグナルを再構成するための新しい枠組みを提案する。
本手法は, 成人期の幅広い個体のfMRIデータから直接, 重要な生理的変数を推測する。
論文 参考訳(メタデータ) (2024-08-26T17:48:42Z) - PhysMLE: Generalizable and Priors-Inclusive Multi-task Remote Physiological Measurement [24.424510759648072]
本稿では,マルチタスク遠隔生理計測(PhysMLE)のためのローランクエキスパートのエンドツーエンド混合について述べる。
PhysMLEは、新しいルータ機構を持つ複数の低ランクの専門家に基づいており、モデルがタスク内の仕様と相関の両方を十分に扱えるようにしている。
公平かつ包括的な評価のために,マルチソース・シンセマンティック・ドメイン・ジェネリゼーション・プロトコルと呼ばれる大規模マルチタスク・ジェネリゼーション・ベンチマークを提案する。
論文 参考訳(メタデータ) (2024-05-10T02:36:54Z) - PhysFormer++: Facial Video-based Physiological Measurement with SlowFast
Temporal Difference Transformer [76.40106756572644]
最近のディープラーニングアプローチは、時間的受容の限られた畳み込みニューラルネットワークを用いた微妙な手がかりのマイニングに重点を置いている。
本稿では,PhysFormerとPhys++++をベースとした2つのエンドツーエンドビデオ変換器を提案する。
4つのベンチマークデータセットで総合的な実験を行い、時間内テストとクロスデータセットテストの両方において優れた性能を示す。
論文 参考訳(メタデータ) (2023-02-07T15:56:03Z) - PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal
Imputation [54.839600943189915]
モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。
豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。
このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
論文 参考訳(メタデータ) (2022-12-14T21:39:15Z) - SCAMPS: Synthetics for Camera Measurement of Physiological Signals [17.023803380199492]
SCAMPSは2,800本のビデオ (1.68Mフレーム) を含む合成物のデータセットである。
本研究は、心拍間隔、心拍変動、パルス到着時間など、基礎となる波形に関する記述統計を提供する。
論文 参考訳(メタデータ) (2022-06-08T23:48:41Z) - PhysFormer: Facial Video-based Physiological Measurement with Temporal
Difference Transformer [55.936527926778695]
近年のディープラーニングアプローチは、時間的受容の限られた畳み込みニューラルネットワークを用いた微妙なrの手がかりのマイニングに重点を置いている。
本稿では,エンドツーエンドのビデオトランスをベースとしたアーキテクチャであるPhysFormerを提案する。
論文 参考訳(メタデータ) (2021-11-23T18:57:11Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳(メタデータ) (2021-03-18T11:01:21Z) - Learning Generalizable Physiological Representations from Large-scale
Wearable Data [12.863826659440026]
意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。
その結果, 線形分類器を用いた伝達学習により, 様々な下流タスクにおいて, 埋め込みが一般化できることが示唆された。
本研究は,大規模健康・ライフスタイルモニタリングに寄与する行動・生理的データに対する,最初のマルチモーダル自己管理手法を提案する。
論文 参考訳(メタデータ) (2020-11-09T17:56:03Z)
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。