論文の概要: Non-Contrastive Unsupervised Learning of Physiological Signals from Video

• arxiv url: http://arxiv.org/abs/2303.07944v1
• Date: Tue, 14 Mar 2023 14:34:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 14:45:50.896114
• Title: Non-Contrastive Unsupervised Learning of Physiological Signals from Video
• Title（参考訳）: 映像からの生理的信号の非連続的教師なし学習
• Authors: Jeremy Speth, Nathan Vance, Patrick Flynn, Adam Czajka
• Abstract要約: ラベル付きビデオデータから解放される信号回帰を非コントラスト非教師付き学習フレームワークを提案する。 周期性と有限帯域幅の仮定は最小限であり,本手法では非競合ビデオから直接血液体積パルスを検出することができる。
• 参考スコア（独自算出の注目度）: 4.8327232174895745
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Subtle periodic signals such as blood volume pulse and respiration can be extracted from RGB video, enabling remote health monitoring at low cost. Advancements in remote pulse estimation -- or remote photoplethysmography (rPPG) -- are currently driven by deep learning solutions. However, modern approaches are trained and evaluated on benchmark datasets with associated ground truth from contact-PPG sensors. We present the first non-contrastive unsupervised learning framework for signal regression to break free from the constraints of labelled video data. With minimal assumptions of periodicity and finite bandwidth, our approach is capable of discovering the blood volume pulse directly from unlabelled videos. We find that encouraging sparse power spectra within normal physiological bandlimits and variance over batches of power spectra is sufficient for learning visual features of periodic signals. We perform the first experiments utilizing unlabelled video data not specifically created for rPPG to train robust pulse rate estimators. Given the limited inductive biases and impressive empirical results, the approach is theoretically capable of discovering other periodic signals from video, enabling multiple physiological measurements without the need for ground truth signals. Codes to fully reproduce the experiments are made available along with the paper.
• Abstract（参考訳）: 脈拍や呼吸などの微妙な周期的信号はrgbビデオから抽出でき、低コストで遠隔の健康モニタリングが可能となる。 リモートパルス推定の進歩 -- またはリモートフォトプレチモグラフィ (rppg) -- は現在、ディープラーニングソリューションによって駆動されている。 しかし、現代のアプローチは、コンタクトppgセンサーから関連する基底真理を伴うベンチマークデータセットで訓練され、評価される。 ラベル付きビデオデータの制約から解放される信号回帰のための非競合的教師なし学習フレームワークを提案する。 周期性と有限帯域幅の仮定を最小にすることで,非ラベルビデオから直接血液量パルスを検出できる。 正常な生理的帯域内におけるスパースパワースペクトルの促進とパワースペクトルのバッチによるばらつきは周期的信号の視覚的特徴の学習に十分であることがわかった。 rppg用に特別に作成されていない非ラベルビデオデータを用いて,ロバストなパルスレート推定器を訓練する最初の実験を行った。 限定的な帰納バイアスと印象的な経験的結果を考えると、この手法は理論的にはビデオから他の周期的な信号を発見し、地上の真実の信号を必要としない複数の生理的測定を可能にする。 実験を完全再現するコードは、論文とともに利用可能である。

関連論文リスト

• SiNC+: Adaptive Camera-Based Vitals with Unsupervised Learning of Periodic Signals [6.458510829614774]
  信号回帰のための非競合型教師なし学習フレームワークを初めて提示する。 正常な生理的帯域内におけるスパースパワースペクトルの促進と,周期的な信号の学習にはパワースペクトルのバッチによるばらつきが十分であることがわかった。
  論文  参考訳（メタデータ） (2024-04-20T19:17:40Z)
• Contrast-Phys+: Unsupervised and Weakly-supervised Video-based Remote Physiological Measurement via Spatiotemporal Contrast [22.742875409103164]
  教師なし設定と教師なし設定の両方でトレーニングできるContrast-Phys+を提案する。 我々は3DCNNモデルを用いて複数のリズム信号を生成し、rの事前知識を対照的な損失関数に組み込む。 コントラスト-Phys+は、部分的に利用可能あるいは不一致のGT信号を使用する場合でも、最先端の教師付き手法より優れている。
  論文  参考訳（メタデータ） (2023-09-13T12:50:21Z)
• Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation of rPPG [2.82697733014759]
  r(pg photoplethysmography)は、カメラで捉えたヘモグロビンの光吸収特性を用いてBVP(Blood Volume Pulse)を測定し、分析する技術である。 本研究は,多種多様なデータセットを対象とした様々なrベンチマーク手法の評価を行い,妥当性評価と比較を行うためのフレームワークを提供することを目的とする。
  論文  参考訳（メタデータ） (2023-07-24T09:35:47Z)
• 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)
• Facial Video-based Remote Physiological Measurement via Self-supervised Learning [9.99375728024877]
  本稿では,映像からr信号を推定する新たなフレームワークを提案する。 負のサンプルは、非線形信号周波数変換を行う学習可能な周波数モジュールを介して生成される。 次に、強化サンプルからr信号を推定するために、局所的なrエキスパートアグリゲーションモジュールを導入する。 異なる顔領域からの相補的な脈動情報を符号化し、それらを1つのr予測に集約する。
  論文  参考訳（メタデータ） (2022-10-27T13:03:23Z)
• Monitoring MBE substrate deoxidation via RHEED image-sequence analysis by deep learning [62.997667081978825]
  本稿では,深層学習に基づくRHEED画像系列分類を用いたMBEにおけるGaAs基板脱酸化の自動監視手法を提案する。 提案手法は,機能抽出のための非教師付きオートエンコーダ(AE)と,教師付き畳み込みネットワークを組み合わせたものである。
  論文  参考訳（メタデータ） (2022-10-07T10:01:06Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• WPPG Net: A Non-contact Video Based Heart Rate Extraction Network Framework with Compatible Training Capability [21.33542693986985]
  顔の皮膚には、リモートフォトプレシー(r)信号と呼ばれる微妙な色の変化があり、そこから被験者の心拍数を抽出できる。 近年,r信号抽出に関する多くの深層学習手法と関連するデータセットが提案されている。 しかしながら,BVP信号などのラベル波は,我々の体内を流れる時間と他の要因により,実際のr信号に不確実な遅延がある。 本稿では、r信号とラベル波のリズムと周期性に関する共通特性を解析することにより、これらのネットワークを包み、トレーニング時に効率を保ち続けるためのトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T19:52:30Z)
• 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)
• Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
  本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。 本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。 このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
  論文  参考訳（メタデータ） (2021-10-13T21:51:56Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  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。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。