論文の概要: PhysFlow: Skin tone transfer for remote heart rate estimation through conditional normalizing flows

• arxiv url: http://arxiv.org/abs/2407.21519v1
• Date: Wed, 31 Jul 2024 10:44:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 12:37:28.341542
• Title: PhysFlow: Skin tone transfer for remote heart rate estimation through conditional normalizing flows
• Title（参考訳）: PhysFlow:条件付き正規化流による遠隔心拍数推定のための皮膚音伝達
• Authors: Joaquim Comas, Antonia Alomar, Adria Ruiz, Federico Sukno,
• Abstract要約: 我々は,条件付き正規化フローを用いた遠隔心拍数推定において,皮膚の多様性を高める新しい方法であるPhysFlowを紹介した。 PhysFlowはエンドツーエンドのトレーニング最適化を採用し、オリジナルのデータと生成されたデータの両方で教師付きrアプローチの同時トレーニングを可能にする。 我々はPhysFlowを一般公開データセットであるUCLA-rとMMPDで検証し、特に暗い肌の色調における心拍数誤差の低減を実証した。
• 参考スコア（独自算出の注目度）: 8.324691721547202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, deep learning methods have shown impressive results for camera-based remote physiological signal estimation, clearly surpassing traditional methods. However, the performance and generalization ability of Deep Neural Networks heavily depends on rich training data truly representing different factors of variation encountered in real applications. Unfortunately, many current remote photoplethysmography (rPPG) datasets lack diversity, particularly in darker skin tones, leading to biased performance of existing rPPG approaches. To mitigate this bias, we introduce PhysFlow, a novel method for augmenting skin diversity in remote heart rate estimation using conditional normalizing flows. PhysFlow adopts end-to-end training optimization, enabling simultaneous training of supervised rPPG approaches on both original and generated data. Additionally, we condition our model using CIELAB color space skin features directly extracted from the facial videos without the need for skin-tone labels. We validate PhysFlow on publicly available datasets, UCLA-rPPG and MMPD, demonstrating reduced heart rate error, particularly in dark skin tones. Furthermore, we demonstrate its versatility and adaptability across different data-driven rPPG methods.
• Abstract（参考訳）: 近年, 深層学習法は, カメラを用いた遠隔生理信号推定において, 従来の手法をはるかに超え, 顕著な結果を示している。 しかし、ディープニューラルネットワークの性能と一般化能力は、実際のアプリケーションで遭遇する様々な要因を真に表すリッチなトレーニングデータに大きく依存している。 残念なことに、多くのリモート光胸腺撮影(rPPG)データセットは、特に暗い肌の色調において多様性に欠けており、既存のrPPGアプローチのパフォーマンスに偏っている。 このバイアスを軽減するために,条件付き正規化フローを用いた遠隔心拍数推定において皮膚の多様性を増大させる新しい方法であるPhysFlowを紹介した。 PhysFlowはエンドツーエンドのトレーニング最適化を採用し、オリジナルのデータと生成されたデータの両方で教師付きrPPGアプローチの同時トレーニングを可能にする。 また,顔画像から直接抽出したCIELABカラースキンの特徴を,スキントーンラベルを必要とせずに使用した。 我々はPhysFlowを一般公開データセットであるUCLA-rPPGとMMPDで検証し、特に暗い肌の色調における心拍数誤差の低減を実証した。 さらに,データ駆動型 rPPG 法にまたがる汎用性と適応性を示す。

関連論文リスト

• Physics-Guided Neural Networks for Intraventricular Vector Flow Mapping [1.498019339784467]
  物理インフォームドニューラルネットワーク(PINN)と物理誘導型nnU-Netに基づく教師付きアプローチを用いて,従来のiVFM最適化方式に代わる新しい手法を提案する。 どちらの手法も、元のiVFMアルゴリズムに匹敵する再構成性能を示している。 この研究は、超高速カラードプライメージングにおけるPINNの潜在的な応用と、血流に基づく心臓血管疾患のバイオマーカーを導出するための流体力学方程式の導入についても示唆している。
  論文  参考訳（メタデータ） (2024-03-19T17:35:17Z)
• Data Attribution for Diffusion Models: Timestep-induced Bias in Influence Estimation [53.27596811146316]
  拡散モデルは、以前の文脈における瞬間的な入出力関係ではなく、一連のタイムステップで操作する。 本稿では、この時間的ダイナミクスを取り入れた拡散トラクInについて、サンプルの損失勾配ノルムが時間ステップに大きく依存していることを確認する。 そこで我々はDiffusion-ReTracを再正規化適応として導入し、興味のあるサンプルを対象にしたトレーニングサンプルの検索を可能にする。
  論文  参考訳（メタデータ） (2024-01-17T07:58:18Z)
• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)
• 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)
• 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)
• Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring [87.97330195531029]
  本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。 提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
  論文  参考訳（メタデータ） (2022-04-26T08:09:47Z)
• 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)
• 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)
• 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)
• Meta-rPPG: Remote Heart Rate Estimation Using a Transductive Meta-Learner [15.701494085639007]
  リモート光胸腺撮影(r)による遠隔心拍数推定 自己監督型重み調整のための試験(デプロイ)において,未ラベルのサンプルを抽出するトランスダクティブメタラーナを提案する。
  論文  参考訳（メタデータ） (2020-07-14T03:01:46Z)

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。