論文の概要: FreqPhys: Repurposing Implicit Physiological Frequency Prior for Robust Remote Photoplethysmography

• arxiv url: http://arxiv.org/abs/2604.00534v1
• Date: Wed, 01 Apr 2026 06:25:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.86951
• Title: FreqPhys: Repurposing Implicit Physiological Frequency Prior for Robust Remote Photoplethysmography
• Title（参考訳）: FreqPhys:ロバストなリモート光胸腺撮影に先立つ生理学的に欠かせない周波数を再現する
• Authors: Wei Qian, Dan Guo, Jinxing Zhou, Bochao Zou, Zitong Yu, Meng Wang,
• Abstract要約: Photoplethysmographyは、ビデオから肌の色の変化を微妙に捉え、接触のない生理的モニタリングを可能にする。 FreqPhysは、シグナル回復のために生理的頻度事前を明示的に活用する周波数誘導リレーションフレームワークである。 これは、特に挑戦的な運動条件下で、最先端のアプローチよりも大幅に改善される。
• 参考スコア（独自算出の注目度）: 54.32412212867472
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote photoplethysmography (rPPG) enables contactless physiological monitoring by capturing subtle skin-color variations from facial videos. However, most existing methods predominantly rely on time-domain modeling, making them vulnerable to motion artifacts and illumination fluctuations, where weak physiological clues are easily overwhelmed by noise. To address these challenges, we propose FreqPhys, a frequency-guided rPPG framework that explicitly leverages physiological frequency priors for robust signal recovery. Specifically, FreqPhys first applies a Physiological Bandpass Filtering module to suppress out-of-band interference, and then performs Physiological Spectrum Modulation together with adaptive spectral selection to emphasize pulse-related frequency components while suppress residual in-band noise. A Cross-domain Representation Learning module further fuses these spectral priors with deep time-domain features to capture informative spatial--temporal dependencies. Finally, a frequency-aware conditional diffusion process progressively reconstructs high-fidelity rPPG signals. Extensive experiments on six benchmarks demonstrate that FreqPhys yields significant improvements over state-of-the-art approaches, particularly under challenging motion conditions. It highlights the importance of explicitly modeling physiological frequency priors. The source code will be released.
• Abstract（参考訳）: RPPG(Remote Photoplethysmography)は、顔画像から肌の色の変化を微妙に捉え、接触のない生理的モニタリングを可能にする。 しかし、既存のほとんどの手法は時間領域モデリングに依存しており、弱い生理的手がかりがノイズに圧倒されやすい運動人工物や照明のゆらぎに弱い。 これらの課題に対処するために,周波数誘導rPPGフレームワークであるFreqPhysを提案する。 具体的には、FreqPhysはまず、帯域外干渉を抑制するために生理的帯域通過フィルタモジュールを適用し、その後、適応スペクトル選択とともに生理的スペクトル変調を行い、パルス関連周波数成分を強調する。 クロスドメイン表現学習モジュールは、これらのスペクトル先行を深い時間領域の特徴と融合させ、情報的空間的時間的依存関係をキャプチャする。 最後に、周波数対応条件拡散プロセスは、高忠実度rPPG信号を段階的に再構成する。 6つのベンチマークでの大規模な実験により、FreqPhysは最先端のアプローチ、特に挑戦的な動作条件下で、大幅な改善をもたらすことが示された。 これは生理的頻度を明示的にモデル化することの重要性を強調している。 ソースコードはリリースされます。

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)
• 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)
• FB-Diff: Fourier Basis-guided Diffusion for Temporal Interpolation of 4D Medical Imaging [38.70420710947938]
  4次元医用画像の時間的課題は,呼吸運動モデリングの臨床的実践において重要な役割を担っている。 本稿ではFB-Diffと呼ばれるフーリエ基底誘導拡散モデルを提案する。 本稿では,FB-Diffが時間的整合性を向上しつつ,将来性のある再建指標を維持しながら,最先端の指標を実現することを示す。
  論文  参考訳（メタデータ） (2025-07-06T21:39:48Z)
• PhysioWave: A Multi-Scale Wavelet-Transformer for Physiological Signal Representation [14.124553708665117]
  生理学的信号解析のためのウェーブレットに基づく新しいアプローチを提案する。 EMGとECGに特有の2つの大規模事前訓練モデルが初めて導入された。 統合マルチモーダルフレームワークは、事前訓練された脳波モデルを統合することで構築される。
  論文  参考訳（メタデータ） (2025-06-12T05:11:41Z)
• 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)
• 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。