論文の概要: BTS-rPPG: Orthogonal Butterfly Temporal Shifting for Remote Photoplethysmography

• arxiv url: http://arxiv.org/abs/2604.01679v1
• Date: Thu, 02 Apr 2026 06:31:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.564829
• Title: BTS-rPPG: Orthogonal Butterfly Temporal Shifting for Remote Photoplethysmography
• Title（参考訳）: BTS-rPPG : リモート光胸腺撮影のための直交蝶の時間シフト
• Authors: Ba-Thinh Nguyen, Thi-Duyen Ngo, Thanh-Trung Huynh, Thanh-Ha Le, Huy-Hieu Pham,
• Abstract要約: リモート光胸腺撮影(r)は、血液循環によって引き起こされる微妙な外観変化を解析することにより、顔画像から接触のない生理学的センシングを可能にする。 本稿では,Ortho Butterflyの時間シフトに基づく時間モデリングフレームワークであるBTS-rを提案する。 我々はBTS-rが生理力学の長期時間モデリングを改善し、r推定のための既存の時間モデル戦略を一貫して上回っていることを示す。
• 参考スコア（独自算出の注目度）: 2.5608506499175103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Remote photoplethysmography (rPPG) enables contactless physiological sensing from facial videos by analyzing subtle appearance variations induced by blood circulation. However, modeling the temporal dynamics of these signals remains challenging, as many deep learning methods rely on temporal shifting or convolutional operators that aggregate information primarily from neighboring frames, resulting in predominantly local temporal modeling and limited temporal receptive fields. To address this limitation, we propose BTS-rPPG, a temporal modeling framework based on Orthogonal Butterfly Temporal Shifting (BTS). Inspired by the butterfly communication pattern in the Fast Fourier Transform (FFT), BTS establishes structured frame interactions via an XOR-based butterfly pairing schedule, progressively expanding the temporal receptive field and enabling efficient propagation of information across distant frames. Furthermore, we introduce an orthogonal feature transfer mechanism (OFT) that filters the source feature with respect to the target context before temporal shifting, retaining only the orthogonal component for cross-frame transmission. This reduces redundant feature propagation and encourages complementary temporal interaction. Extensive experiments on multiple benchmark datasets demonstrate that BTS-rPPG improves long-range temporal modeling of physiological dynamics and consistently outperforms existing temporal modeling strategies for rPPG estimation.
• Abstract（参考訳）: リモート光胸腺撮影(rPPG)は、血液循環によって引き起こされる微妙な外観変化を解析することにより、顔画像から接触のない生理学的センシングを可能にする。 しかし、これらの信号の時間的ダイナミクスをモデル化することは依然として困難であり、多くのディープラーニング手法は、主に隣接するフレームから情報を集約する時間的シフトや畳み込み演算子に依存し、主に局所的な時間的モデリングと限られた時間的受容場をもたらす。 この制限に対処するため,Orthogonal Butterfly Temporal Shifting (BTS)に基づく時間モデリングフレームワークであるBTS-rPPGを提案する。 高速フーリエ変換(FFT)のバタフライ通信パターンにインスパイアされたBTSは、XORベースのバタフライペアリングスケジュールを通じて構造化されたフレーム相互作用を確立し、時間的受容領域を徐々に拡大し、遠方フレーム間の情報の効率的な伝搬を可能にする。 さらに,時間的シフト前における音源の特徴をフィルタする直交的特徴伝達機構(OFT)を導入する。 これにより、冗長な機能の伝搬が減少し、補完的な時間的相互作用が促進される。 複数のベンチマークデータセットに対する大規模な実験により、BTS-rPPGは生理学の長期時間的モデリングを改善し、既存の時間的モデリング戦略よりずっと優れていることが示された。

関連論文リスト

• Temporal Graph Pattern Machine [17.352525018007473]
  時間的グラフパターンマシン(TGPM)は、時間的に偏ったランダムウォークによって合成された相互作用パッチとして、各相互作用を概念化する。 TGPMは、トランスダクティブリンク予測とインダクティブリンク予測の両方において、常に最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-01-30T01:46:13Z)
• 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)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• 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)
• Efficient Discovery of Motif Transition Process for Large-Scale Temporal Graphs [28.680759318270727]
  PTMTは、大規模な時間グラフにおける遷移過程を発見するための新しい方法である。 ツリーベースのフレームワークと時間と構造によって時間的ゾーンを分割する時間的ゾーン(TZP)戦略を統合する。 10の実世界のデータセットの結果、PTMTのスピードアップはSOTA法と比較すると12.0$times$ 50.3$times$である。
  論文  参考訳（メタデータ） (2025-04-22T15:30:04Z)
• 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)
• Efficient Remote Photoplethysmography with Temporal Derivative Modules and Time-Shift Invariant Loss [6.381149074212898]
  遠隔心拍推定のための軽量ニューラルネットワークを提案する。 我々は,顔面光胸腺撮影の時間的学習に焦点をあてる。 既存モデルと比較して,本手法では,パラメータ数が大幅に少なく,計算コストが低く,競合精度が向上している。
  論文  参考訳（メタデータ） (2022-03-21T11:08:06Z)
• 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)

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。