論文の概要: Generalization of Video-Based Heart Rate Estimation Methods To Low Illumination and Elevated Heart Rates

• arxiv url: http://arxiv.org/abs/2503.11697v1
• Date: Tue, 11 Mar 2025 18:29:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 15:58:57.616010
• Title: Generalization of Video-Based Heart Rate Estimation Methods To Low Illumination and Elevated Heart Rates
• Title（参考訳）: ビデオによる心拍推定法の低照度化と高心拍数化への一般化
• Authors: Bhargav Acharya, William Saakyan, Barbara Hammer, Hanna Drimalla,
• Abstract要約: 心拍(Heart rate)は、個人の健康状態や感情状態に関する情報を提供する生理学的信号である。 リモート光胸腺造影法(r)を用いた心拍数推定のための最先端の代表的評価法について検討した。 実験結果から,古典的手法は低照度条件の影響を受けないことが明らかとなった。 いくつかのディープラーニング手法は、照明条件の変化に対してより堅牢であることがわかったが、高い心拍数を推定する上での課題に遭遇した。
• 参考スコア（独自算出の注目度）: 3.8886059978578595
• License:
• Abstract: Heart rate is a physiological signal that provides information about an individual's health and affective state. Remote photoplethysmography (rPPG) allows the estimation of this signal from video recordings of a person's face. Classical rPPG methods make use of signal processing techniques, while recent rPPG methods utilize deep learning networks. Methods are typically evaluated on datasets collected in well-lit environments with participants at resting heart rates. However, little investigation has been done on how well these methods adapt to variations in illumination and heart rate. In this work, we systematically evaluate representative state-of-the-art methods for remote heart rate estimation. Specifically, we evaluate four classical methods and four deep learning-based rPPG estimation methods in terms of their generalization ability to changing scenarios, including low lighting conditions and elevated heart rates. For a thorough evaluation of existing approaches, we collected a novel dataset called CHILL, which systematically varies heart rate and lighting conditions. The dataset consists of recordings from 45 participants in four different scenarios. The video data was collected under two different lighting conditions (high and low) and normal and elevated heart rates. In addition, we selected two public datasets to conduct within- and cross-dataset evaluations of the rPPG methods. Our experimental results indicate that classical methods are not significantly impacted by low-light conditions. Meanwhile, some deep learning methods were found to be more robust to changes in lighting conditions but encountered challenges in estimating high heart rates. The cross-dataset evaluation revealed that the selected deep learning methods underperformed when influencing factors such as elevated heart rates and low lighting conditions were not present in the training set.
• Abstract（参考訳）: 心拍(Heart rate)は、個人の健康状態や感情状態に関する情報を提供する生理学的信号である。 RPPG(Remote Photoplethysmography)は、人物の顔の映像記録からこの信号を推定する。 古典的な rPPG 法は信号処理技術を用いており、最近の rPPG 法は深層学習ネットワークを利用している。 方法は通常、参加者が心拍数を保った状態で、明るい環境で収集されたデータセットで評価される。 しかし、これらの手法が照度や心拍数の変化にどのように適応するかについてはほとんど研究されていない。 本研究では,遠隔心拍数推定のための代表的な最先端手法を体系的に評価する。 具体的には、4つの古典的手法と4つの深層学習に基づくrPPG推定手法を、照明条件の低さや心拍数の増加といったシナリオの変化に対する一般化能力の観点から評価する。 既存のアプローチを徹底的に評価するために,心拍数や照明条件を体系的に変化させるCHILLという新しいデータセットを収集した。 データセットは、4つの異なるシナリオで45人の参加者から記録される。 ビデオデータは2つの異なる照明条件(高、低)と正常、高心拍数で収集された。 さらに、rPPG法の内部および横断的な評価を行うために、2つの公開データセットを選択した。 実験結果から,古典的手法は低照度条件の影響を受けないことが明らかとなった。 一方、いくつかのディープラーニング手法は、照明条件の変化に対してより堅牢であることがわかったが、高い心拍数を推定する上での課題に遭遇した。 クロスデータセット評価の結果, トレーニングセットには, 心拍数や照明条件の低下などの影響が認められなかった場合, 選択した深層学習方法が不十分であった。

関連論文リスト

• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
  RIDEは回転同変検出と不変記述のための学習に基づく手法である。 内視鏡画像の大規模なキュレーションを自己指導的に行う。 マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2023-09-18T08:16:30Z)
• Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
  リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。 我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。 我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
  論文  参考訳（メタデータ） (2023-01-03T11:34:36Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Segmentation-free Heart Pathology Detection Using Deep Learning [12.065014651638943]
  本研究では,新しいセグメンテーションフリー心音分類法を提案する。 具体的には、離散ウェーブレット変換を用いて信号をノイズ化し、続いて特徴抽出と特徴量削減を行う。 サポートベクトルマシンとディープニューラルネットワークは分類に使用される。
  論文  参考訳（メタデータ） (2021-08-09T16:09:30Z)
• Assessment of Deep Learning-based Heart Rate Estimation using Remote Photoplethysmography under Different Illuminations [17.60589015651357]
  我々は、BH-rデータセットという公開データセットを提示し、12人の被験者から低、中、高の3つの照明の下でのデータを含む。 U-rデータセットとBH-rデータセットの2つの公開データセットを用いて,ディープラーニングに基づく3つの手法の性能評価を行った。
  論文  参考訳（メタデータ） (2021-07-28T06:50:52Z)
• MetaPhys: Few-Shot Adaptation for Non-Contact Physiological Measurement [17.038017337552724]
  そこで我々はMetaPhysというメタラーニング手法を提案する。 カスタマイズには18秒の動画しか使用せず、教師なしと教師なしの両方で効果的に機能する。
  論文  参考訳（メタデータ） (2020-10-05T04:41:03Z)
• A Comparative Evaluation of Heart Rate Estimation Methods using Face Videos [25.413558889761127]
  文献からの4つの代替案がテストされ、3つは手作りのアプローチ、もう1つはディープラーニングに基づいている。 実験の結果,学習に基づく手法は手作りの手法よりもはるかに精度が高いことがわかった。 学習ベースモデルによって達成されるエラー率の低さは、実際のシナリオにおいてその適用を可能にします。
  論文  参考訳（メタデータ） (2020-05-22T10:54:49Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• On indirect assessment of heart rate in video [9.176056742068813]
  ビデオ中の心拍数の間接的評価の問題に対処する。 平均年齢と運動強度に対する心拍数依存性の回帰モデルを得た。
  論文  参考訳（メタデータ） (2020-04-27T10:51:11Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

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。