論文の概要: Resolve Domain Conflicts for Generalizable Remote Physiological Measurement

• arxiv url: http://arxiv.org/abs/2404.07855v1
• Date: Thu, 11 Apr 2024 15:51:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-12 13:20:46.428687
• Title: Resolve Domain Conflicts for Generalizable Remote Physiological Measurement
• Title（参考訳）: 一般化可能な遠隔生理計測のための領域紛争の解決
• Authors: Weiyu Sun, Xinyu Zhang, Hao Lu, Ying Chen, Yun Ge, Xiaolin Huang, Jie Yuan, Yingcong Chen,
• Abstract要約: リモート光胸腺撮影のためのDOHA(DOmain-Honious framework)を提案する。 本稿では,不確実な位相遅延を排除し,生理的信号の変動を抑えるための位相戦略を提案する。 次に,非関係な属性シフトを低減する超平面最適化を設計する。 実験により,複数プロトコルの既存手法の性能が大幅に向上した。
• 参考スコア（独自算出の注目度）: 39.0083078989343
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote photoplethysmography (rPPG) technology has become increasingly popular due to its non-invasive monitoring of various physiological indicators, making it widely applicable in multimedia interaction, healthcare, and emotion analysis. Existing rPPG methods utilize multiple datasets for training to enhance the generalizability of models. However, they often overlook the underlying conflict issues across different datasets, such as (1) label conflict resulting from different phase delays between physiological signal labels and face videos at the instance level, and (2) attribute conflict stemming from distribution shifts caused by head movements, illumination changes, skin types, etc. To address this, we introduce the DOmain-HArmonious framework (DOHA). Specifically, we first propose a harmonious phase strategy to eliminate uncertain phase delays and preserve the temporal variation of physiological signals. Next, we design a harmonious hyperplane optimization that reduces irrelevant attribute shifts and encourages the model's optimization towards a global solution that fits more valid scenarios. Our experiments demonstrate that DOHA significantly improves the performance of existing methods under multiple protocols. Our code is available at https://github.com/SWY666/rPPG-DOHA.
• Abstract（参考訳）: リモート光胸腺撮影(rPPG)技術は、様々な生理学的指標の非侵襲的なモニタリングにより、マルチメディアインタラクション、医療、感情分析に広く応用されているため、ますます人気が高まっている。 既存のrPPG法では、モデルの一般化性を高めるために、トレーニングに複数のデータセットを使用している。 しかし,(1)生理的信号ラベルと顔ビデオとの位相遅延の違いによるラベルの衝突や,(2)頭部の動きや照明の変化,皮膚の種類などによる分布変化に起因する属性の衝突など,異なるデータセット間での紛争の根底にある問題を見落としていることが多い。 これを解決するために、DOHA(DOmain-HArmonious framework)を紹介します。 具体的には、まず、不確実な位相遅延を排除し、生理的信号の時間的変動を保存するための調和した位相戦略を提案する。 次に、無関係な属性シフトを低減し、より有効なシナリオに適合するグローバルなソリューションへのモデルの最適化を促進する、調和した超平面最適化を設計する。 実験により,DOHAは複数のプロトコル下での既存手法の性能を大幅に向上することが示された。 私たちのコードはhttps://github.com/SWY666/rPPG-DOHAで公開されています。

関連論文リスト

• Spatial Adaptation Layer: Interpretable Domain Adaptation For Biosignal Sensor Array Applications [0.7499722271664147]
  バイオ署名の買収は、医療アプリケーションやウェアラブルデバイスにとって鍵となる。 既存のソリューションは、しばしば大規模で高価なデータセットを必要とする。 本稿では,任意の生体信号配列モデルに適応可能な空間適応層(SAL)を提案する。 また,学習可能なベースライン正規化(LBN)を導入し,ベースライン変動を低減する。
  論文  参考訳（メタデータ） (2024-09-12T14:06:12Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Decomposing the Neurons: Activation Sparsity via Mixture of Experts for Continual Test Time Adaptation [37.79819260918366]
  継続的なテスト時間適応(CTTA)は、トレーニング済みのモデルを進化し続けるターゲットドメインに適応させることを目的としている。 我々はCTTAタスクのアダプタとしてMixture-of-Activation-Sparsity-Experts (MoASE)の統合について検討する。
  論文  参考訳（メタデータ） (2024-05-26T08:51:39Z)
• Multi-channel Time Series Decomposition Network For Generalizable Sensor-Based Activity Recognition [2.024925013349319]
  本稿では,MTSDNet(Multi- Channel Time Series Decomposition Network)を提案する。 トレーニング可能なパラメータ化時間分解により、元の信号を複数の成分と三角関数の組み合わせに分解する。 提案手法の精度と安定性を他の競合戦略と比較して予測する利点を示す。
  論文  参考訳（メタデータ） (2024-03-28T12:54:06Z)
• Generating Progressive Images from Pathological Transitions via Diffusion Model [12.006910992162661]
  本稿では,適応型深度制御拡散ネットワークを提案する。 実験により, 世代多様性の著しい改善が示唆され, 下流分類では, 生成進行サンプルの有効性が強調された。
  論文  参考訳（メタデータ） (2023-11-21T03:25:51Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Morphological feature visualization of Alzheimer's disease via Multidirectional Perception GAN [40.50404819220093]
  アルツハイマー病(AD)の重症度を示す形態的特徴を可視化するために, 新規な多方向知覚生成適応ネットワーク(MP-GAN)を提案する。 MP-GANは既存の手法に比べて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-11-25T03:24:52Z)
• 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)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• 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。