論文の概要: Promoting Generalization in Cross-Dataset Remote Photoplethysmography

• arxiv url: http://arxiv.org/abs/2305.15199v1
• Date: Wed, 24 May 2023 14:35:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 15:07:47.755061
• Title: Promoting Generalization in Cross-Dataset Remote Photoplethysmography
• Title（参考訳）: cross-dataset remote photoplethysmographyにおける一般化の促進
• Authors: Nathan Vance, Jeremy Speth, Benjamin Sporrer, Patrick Flynn
• Abstract要約: リモート・フォトプレソグラフィー(Remote Photoplethysmography)は、カメラを使って被験者の心拍数をリモートでモニタリングする手法で、手作りの技法からディープラーニングモデルへと変化してきた。 これらのモデルでは、トレーニングデータセットに固有のパルス波の特徴に対するバイアスを学習する傾向がある。 我々は、トレーニング中にモデルが見る心拍数の範囲と変動率を拡大することにより、学習バイアスを増大させ、モデル収束を改善した。
• 参考スコア（独自算出の注目度）: 1.422288795020666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote Photoplethysmography (rPPG), or the remote monitoring of a subject's heart rate using a camera, has seen a shift from handcrafted techniques to deep learning models. While current solutions offer substantial performance gains, we show that these models tend to learn a bias to pulse wave features inherent to the training dataset. We develop augmentations to mitigate this learned bias by expanding both the range and variability of heart rates that the model sees while training, resulting in improved model convergence when training and cross-dataset generalization at test time. Through a 3-way cross dataset analysis we demonstrate a reduction in mean absolute error from over 13 beats per minute to below 3 beats per minute. We compare our method with other recent rPPG systems, finding similar performance under a variety of evaluation parameters.
• Abstract（参考訳）: 遠隔プラチスモグラフィ(remote Photoplethysmography, RPPG)は、カメラを用いて被験者の心拍数を遠隔監視する手法であり、手作りの技法からディープラーニングモデルへのシフトが見られる。 現在のソリューションは大きなパフォーマンス向上をもたらすが、これらのモデルはトレーニングデータセット固有のパルス波の特徴に偏りを覚える傾向にある。 モデルがトレーニング中に見る心拍数の範囲と変動範囲を広げることで,学習バイアスを軽減するため,学習時のモデルの収束性の向上とテスト時のデータセット間一般化を実現している。 3方向のクロスデータセット分析を通じて、平均絶対誤差を毎分13回以上から毎分3回以下に削減できることを実証する。 提案手法を最近のrPPGシステムと比較し,様々な評価パラメータの下で同様の性能を示す。

関連論文リスト

• One Step Diffusion-based Super-Resolution with Time-Aware Distillation [60.262651082672235]
  拡散に基づく画像超解像(SR)法は,低解像度画像から細部まで細部まで,高解像度画像の再構成に有望であることを示す。 近年,拡散型SRモデルの知識蒸留によるサンプリング効率の向上が試みられている。 我々は,効率的な画像超解像を実現するため,TAD-SRというタイムアウェア拡散蒸留法を提案する。
  論文  参考訳（メタデータ） (2024-08-14T11:47:22Z)
• Improved Distribution Matching Distillation for Fast Image Synthesis [54.72356560597428]
  この制限を解除し、MDDトレーニングを改善する一連の技術であるMDD2を紹介する。 まず、回帰損失と高価なデータセット構築の必要性を排除します。 第2に, GAN損失を蒸留工程に統合し, 生成した試料と実画像との識別を行う。
  論文  参考訳（メタデータ） (2024-05-23T17:59:49Z)
• ReNoise: Real Image Inversion Through Iterative Noising [62.96073631599749]
  本研究では,操作数を増やすことなく,高い品質と操作率の逆転法を導入し,再現精度を向上する。 我々は,近年の高速化拡散モデルを含む様々なサンプリングアルゴリズムとモデルを用いて,Renoise手法の性能を評価する。
  論文  参考訳（メタデータ） (2024-03-21T17:52:08Z)
• 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)
• Intermediate Layers Matter in Momentum Contrastive Self Supervised Learning [1.933681537640272]
  自己教師付き学習において,画像の2つの拡張版を中間層で表現することで,モーメントコントラスト(MoCo)法の改善が期待できることを示す。 特徴類似性分析とレイヤワイズ探索を用いて,新しい手法を用いて学習したモデルを分析する。
  論文  参考訳（メタデータ） (2021-10-27T22:40:41Z)
• A Multi-Task Cross-Task Learning Architecture for Ad-hoc Uncertainty Estimation in 3D Cardiac MRI Image Segmentation [0.0]
  画素レベル(セグメンテーション)タスクと幾何学レベル(距離マップ)タスクの相関を強制するマルチタスククロスタスク学習整合性アプローチを提案する。 本研究は、与えられたモデルから低品質セグメンテーションをフラグする我々のモデルの可能性をさらに示すものである。
  論文  参考訳（メタデータ） (2021-09-16T03:53:24Z)
• Self-Supervised Learning Framework for Remote Heart Rate Estimation Using Spatiotemporal Augmentation [12.783744603679942]
  近年の深層学習法では、顔画像を用いて心拍数をリモートで測定できることが示されている。 顔画像におけるリモートHR推定のための3次元自己教師型学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T04:00:13Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
  新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。 提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。 本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T01:39:19Z)
• Stereopagnosia: Fooling Stereo Networks with Adversarial Perturbations [71.00754846434744]
  知覚不能な加法的摂動は,差分マップを著しく変更できることを示す。 敵データ拡張に使用すると、我々の摂動はより堅牢なトレーニングされたモデルをもたらすことを示す。
  論文  参考訳（メタデータ） (2020-09-21T19:20:09Z)
• Semi-supervised Semantic Segmentation of Prostate and Organs-at-Risk on 3D Pelvic CT Images [9.33145393480254]
  効果的なディープラーニングモデルのトレーニングは通常、大量の高品質なラベル付きデータを必要とする。 骨盤CT画像セマンティックセグメンテーションのための半教師付き対位深層学習手法を開発した。
  論文  参考訳（メタデータ） (2020-09-21T01:57:23Z)

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。