論文の概要: Reliability-Aware Weighted Multi-Scale Spatio-Temporal Maps for Heart Rate Monitoring

• arxiv url: http://arxiv.org/abs/2603.26836v1
• Date: Fri, 27 Mar 2026 07:58:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.656308
• Title: Reliability-Aware Weighted Multi-Scale Spatio-Temporal Maps for Heart Rate Monitoring
• Title（参考訳）: 心拍モニタリングのための信頼性を考慮したマルチスケール時空間マップ
• Authors: Arpan Bairagi, Rakesh Dey, Siladittya Manna, Umapada Pal,
• Abstract要約: 環境騒音の抑制を通じて画素の信頼性をモデル化する,信頼性を考慮したマルチスーパービジョン時空間マップ(WMST)を提案する。 また、生理情報をフィルタリングしながら、動きや構造を詳細に保持する新たなハイハイウェーブレットマップも導入した。
• 参考スコア（独自算出の注目度）: 7.838207563346384
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Remote photoplethysmography (rPPG) allows for the contactless estimation of physiological signals from facial videos by analyzing subtle skin color changes. However, rPPG signals are extremely susceptible to illumination changes, motion, shadows, and specular reflections, resulting in low-quality signals in unconstrained environments. To overcome these issues, we present a Reliability-Aware Weighted Multi-Scale Spatio-Temporal (WMST) map that models pixel reliability through the suppression of environmental noises. These noises are modeled using different weighting strategies to focus on more physiologically valid areas. Leveraging the WMST map, we develop an SSL contrastive learning approach based on Swin-Unet, where positive pairs are generated from conventional rPPG signals and temporally expanded WMST maps. Moreover, we introduce a new High-High-High (HHH) wavelet map as a negative example that maintains motion and structural details while filtering out physiological information. Here, our aim is to estimate heart rate (HR), and the experiments on public rPPG benchmarks show that our approach enhances motion and illumination robustness with lower HR estimation error and higher Pearson correlation than existing Self-Supervised Learning (SSL) based rPPG methods.
• Abstract（参考訳）: リモート光胸腺撮影(rPPG)は、肌の色の変化を微妙に分析することによって、顔画像から生理的信号の接触のない推定を可能にする。 しかし、rPPG信号は、照明の変化、動き、影、およびスペクトル反射に非常に敏感であり、制約のない環境では低品質な信号をもたらす。 これらの課題を克服するために,環境騒音の抑制を通じて画素の信頼性をモデル化する信頼性対応マルチスケール時空間マップ(WMST)を提案する。 これらのノイズは、より生理学的に有効な領域にフォーカスするために異なる重み付け戦略を用いてモデル化される。 WMSTマップを活用することで、従来のrPPG信号と時間拡張WMSTマップから正のペアを生成するSwin-Unetに基づくSSLコントラスト学習手法を開発する。 さらに, 生理情報をフィルタリングしながら, 動きや構造の詳細を把握できる新しいハイハイウェーブレットマップ (HHH) を導入する。 本研究の目的は心拍数(HR)を推定することであり,既存の自己監督学習(SSL)ベースのrPPG法よりも低いHR推定誤差とPearson相関率で動作と照明の堅牢性を向上することである。

関連論文リスト

• PhysNeXt: Next-Generation Dual-Branch Structured Attention Fusion Network for Remote Photoplethysmography Measurement [50.524262997433546]
  ハーモグラフィーは、心臓の脈動によって引き起こされる顔の皮膚の色変化を分析し、心拍数やその他の重要な兆候を測定することができる。 現在の手法は主に生のビデオからエンド・ツー・エンドのモデリング、または微妙な心拍マップ(ST)表現に基づいている。 本稿では,ビデオフレームとST表現を併用したデュアルインプットディープラーニングフレームワークであるPhysMapXtを提案する。
  論文  参考訳（メタデータ） (2026-03-20T08:37:02Z)
• Reperio-rPPG: Relational Temporal Graph Neural Networks for Periodicity Learning in Remote Physiological Measurement [0.0]
  リモート光麻痺(英: Remote Photoplethys)は、顔画像の微妙な色の変化を利用して、心拍数や呼吸速度などの重要な兆候を推定する、新たな生理的センシング技術である。 この非侵襲的手法は様々な領域で普及しているが、現実世界の条件下での微細な時間的ダイナミクスを捉える能力は過小評価されている。 周期構造を効果的に捉えるためにトランスフォーマーを戦略的に統合する新しいフレームワークであるGraph Reperio-rを提案する。
  論文  参考訳（メタデータ） (2025-11-08T09:41:34Z)
• A Hybrid Deep Learning Model for Robust Biometric Authentication from Low-Frame-Rate PPG Signals [0.34376560669160394]
  光による皮膚の血流量の変化を計測する光胸腺造影(進化)信号は、最近生体認証において注目を集めている。 光胸腺信号の品質は、運動アーティファクト、照明の変化、および物体間の生理的変動によって挑戦される。 本研究では,低フレームレート指先ビデオから抽出したPSG信号に基づいて,軽量で費用対効果の高い生体認証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-06T04:16:13Z)
• Inferring Optical Tissue Properties from Photoplethysmography using Hybrid Amortized Inference [9.6326158044961]
  本稿では,PPG信号と解釈可能な生理的・光学的パラメータを関連付ける生物物理モデルPPGenを紹介する。 その結果,HAIは様々なノイズやセンサ条件下で生理的パラメータを正確に推定できることがわかった。
  論文  参考訳（メタデータ） (2025-10-02T14:36:02Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
  LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。 PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-05-06T15:18:38Z)
• CodePhys: Robust Video-based Remote Physiological Measurement through Latent Codebook Querying [26.97093819822487]
  リモート光胸腺撮影は、顔の映像から非接触的な生理的信号を測定することを目的としている。 既存のほとんどの方法は、心拍推定のためにニューラルネットワークを設計することで、ビデオベースのr特徴を直接抽出する。 近年の手法は、干渉や劣化の影響を受けやすいため、ノイズのあるr信号が生じる。 我々は、ノイズフリープロキシ空間におけるコードタスクとしてrの測定を革新的に扱うCodePhysという新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-02-11T13:05:42Z)
• 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)
• Identifying Rhythmic Patterns for Face Forgery Detection and Categorization [46.21354355137544]
  本研究では, PPG信号に対する空間時間フィルタリングネットワーク (STFNet) と, PPG信号の制約と相互作用のための空間時間インタラクションネットワーク (STINet) からなる顔偽造検出と分類のためのフレームワークを提案する。 フォージェリーメソッドの生成に関する知見を得て,フレームワークの性能を高めるために,イントラソースとイントラソースのブレンディングを提案する。
  論文  参考訳（メタデータ） (2022-07-04T04:57:06Z)
• 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。