論文の概要: The Way to my Heart is through Contrastive Learning: Remote
Photoplethysmography from Unlabelled Video
- arxiv url: http://arxiv.org/abs/2111.09748v1
- Date: Thu, 18 Nov 2021 15:21:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-19 14:41:42.197130
- Title: The Way to my Heart is through Contrastive Learning: Remote
Photoplethysmography from Unlabelled Video
- Title（参考訳）: 心への道は、コントラスト学習を通す:非ラベリングビデオからのリモート光胸腺撮影
- Authors: John Gideon and Simon Stent
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.479541955106328
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The ability to reliably estimate physiological signals from video is a
powerful tool in low-cost, pre-clinical health monitoring. In this work we
propose a new approach to remote photoplethysmography (rPPG) - the measurement
of blood volume changes from observations of a person's face or skin. Similar
to current state-of-the-art methods for rPPG, we apply neural networks to learn
deep representations with invariance to nuisance image variation. In contrast
to such methods, we employ a fully self-supervised training approach, which has
no reliance on expensive ground truth physiological training data. Our proposed
method uses contrastive learning with a weak prior over the frequency and
temporal smoothness of the target signal of interest. We evaluate our approach
on four rPPG datasets, showing that comparable or better results can be
achieved compared to recent supervised deep learning methods but without using
any annotation. In addition, we incorporate a learned saliency resampling
module into both our unsupervised approach and supervised baseline. We show
that by allowing the model to learn where to sample the input image, we can
reduce the need for hand-engineered features while providing some
interpretability into the model's behavior and possible failure modes. We
release code for our complete training and evaluation pipeline to encourage
reproducible progress in this exciting new direction.
- Abstract（参考訳）: 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。
本研究では,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(rPPG)の新たなアプローチを提案する。
rPPGの現在の最先端手法と同様に、ニューラルネットを用いてニュアンス画像の変化に相違のある深部表現を学習する。
このような方法とは対照的に、我々は、高価な地上真理生理訓練データに依存しない、完全な自己監督訓練アプローチを採用している。
提案手法では,対象信号の周波数および時間的平滑性よりも先行する弱みを持つコントラスト学習を用いる。
我々は4つのrppgデータセットに対するアプローチを評価し,最近の教師付き深層学習法と比較して,アノテーションを使わずに,同等あるいは優れた結果が得られることを示した。
さらに,教師なしアプローチと教師なしベースラインの両方に,学習された塩分再サンプリングモジュールを組み込んだ。
モデルが入力イメージのサンプルの場所を学習できるようにすることで、ハンドエンジニアリング機能の必要性を低減し、モデルの振る舞いや起こりうる障害モードに対する解釈性を提供することができる。
私たちは、このエキサイティングな新しい方向における再現可能な進歩を促すために、完全なトレーニングと評価パイプラインのためのコードをリリースします。
関連論文リスト
- Representation Alignment for Generation: Training Diffusion Transformers Is Easier Than You Think [72.48325960659822]
生成のための大規模拡散モデルの訓練における主要なボトルネックは、これらの表現を効果的に学習することにある。
本稿では,RePresentation Alignment (REPA) と呼ばれる単純な正規化を導入し,ノイズの多い入力隠れ状態の投影を,外部の事前学習された視覚エンコーダから得られるクリーンな画像表現と整合させる手法を提案する。
我々の単純な戦略は、一般的な拡散やDiTsやSiTsといったフローベースのトランスフォーマーに適用した場合、トレーニング効率と生成品質の両方に大きな改善をもたらす。
論文 参考訳（メタデータ） (2024-10-09T14:34:53Z) - Continual Learning for Remote Physiological Measurement: Minimize Forgetting and Simplify Inference [4.913049603343811]
既存のr測定手法は、しばしば漸進的な学習シナリオを見落としている。
既存のクラスインクリメンタルな学習アプローチはr測定には適していない。
r測定のための連続学習に取り組むためにADDPという新しい手法を提案する。
論文 参考訳（メタデータ） (2024-07-19T01:49:09Z) - KID-PPG: Knowledge Informed Deep Learning for Extracting Heart Rate from a Smartwatch [3.329222353111594]
本稿では,適応線形フィルタリング,深層確率推論,データ拡張による知識情報の統合型ディープラーニングモデルを提案する。
以上の結果から,先行知識を深層学習モデルに組み込むことにより,心拍追跡の大幅な改善が示された。
このアプローチは、ディープラーニングモデルに既存のエキスパート知識を取り入れることで、様々なバイオメディカル応用の強化を約束する。
論文 参考訳（メタデータ） (2024-05-02T16:56:09Z) - Refining Pre-Trained Motion Models [56.18044168821188]
我々は、自己教師付きトレーニングによる最先端の教師付きモデルの改善に挑戦する。
実世界の未学習ビデオから「クリーン」な訓練信号を得ることに重点を置いている。
本研究では,本手法が実動画における完全教師付き手法よりも信頼性が高いことを示す。
論文 参考訳（メタデータ） (2024-01-01T18:59:33Z) - Remote Heart Rate Monitoring in Smart Environments from Videos with
Self-supervised Pre-training [28.404118669462772]
本稿では,自己指導型コントラスト学習を用いて遠隔光麻痺(モグラフィ)と心拍モニタリングを推定する手法を提案する。
コントラストフレームワークを用いてエンコーダを訓練するための3つの空間的および3つの時間的拡張法を提案する。
論文 参考訳（メタデータ） (2023-10-23T22:41:04Z) - Seamless Iterative Semi-Supervised Correction of Imperfect Labels in
Microscopy Images [57.42492501915773]
生体内試験は、医療機器の毒性に対する動物実験の代替手段である。
人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。
我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。
本手法は,物体検出に適応的な早期学習補正技術を提供する。
論文 参考訳（メタデータ） (2022-08-05T18:52:20Z) - Intelligent Masking: Deep Q-Learning for Context Encoding in Medical
Image Analysis [48.02011627390706]
我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。
予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-03-25T19:05:06Z) - Self-supervised Transformer for Deepfake Detection [112.81127845409002]
現実世界のシナリオにおけるディープフェイク技術は、顔偽造検知器のより強力な一般化能力を必要とする。
転送学習に触発されて、他の大規模な顔関連タスクで事前訓練されたニューラルネットワークは、ディープフェイク検出に有用な機能を提供する可能性がある。
本稿では,自己教師型変換器を用いた音声視覚コントラスト学習手法を提案する。
論文 参考訳（メタデータ） (2022-03-02T17:44:40Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Biologically-Motivated Deep Learning Method using Hierarchical
Competitive Learning [0.0]
本稿では,CNNの事前学習方法として,前方伝播信号のみを必要とする教師なしの競争学習を導入することを提案する。
提案手法は,例えば時系列や医療データなど,ラベルの粗末なデータに対して有用である。
論文 参考訳（メタデータ） (2020-01-04T20:07:36Z)
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。