論文の概要: Optimize-at-Capture: Highly-adaptive Exposure Controlling for In-Vehicle Non-contact Heart-rate Monitoring

• arxiv url: http://arxiv.org/abs/2605.04397v1
• Date: Wed, 06 May 2026 01:40:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.594891
• Title: Optimize-at-Capture: Highly-adaptive Exposure Controlling for In-Vehicle Non-contact Heart-rate Monitoring
• Title（参考訳）: 車両内非接触心拍モニタリングにおける高適応露光制御の最適化
• Abstract要約: r ExpDrive(remote photoplethysmography)は、インテリジェントな車両の運転者の心拍数モニタリングに大いに役立つ。 既存のシステムのほとんどは、固定露光またはカメラ内蔵の自動露光のいずれかに依存している。 本研究では,過去の皮膚反射に基づく露出パラメータを積極的に調整する高適応露光制御フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 18.36629711939311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote photoplethysmography (rPPG) holds great promise for continuous heart-rate monitoring of drivers in intelligent vehicles. However, its performance is severely degraded by the highly dynamic illumination changes. A critical yet overlooked factor is the lack of exposure controlling during video acquisition -- most existing systems rely on either fixed exposure settings or camera build-in auto-exposure, both of which fail to maintain stable facial brightness under rapidly changing lighting conditions during driving. To address this gap, we propose a highly-adaptive exposure controlling framework that proactively adjusts exposure parameters based on predictive modeling of historical skin reflections. Unlike standard auto-exposure, our method is specifically optimized for rPPG measurement, ensuring the skin region of interest (ROI) remains within the optimal dynamic range for rPPG signal extraction. As an important contribution of this study, we introduce ExpDrive, a public in-vehicle physiological monitoring dataset comprising synchronized facial video and reference ECG from 48 subjects captured under real driving conditions. Extensive experiments demonstrate that our method consistently outperforms fixed exposure and standard auto-exposure strategies. Specifically, it reduces the Mean Absolute Error (MAE) by 6.31 bpm (from 14.1 to 7.79 bpm) and significantly increases the success rate by 32.3 percentage points (p < 0.001) (from 24.9% to 57.2%) across challenging driving scenarios. Notably, it clearly improved the performance of non-contact heart-rate monitoring in both low-light (rainy) and high-glare (sunny) conditions, validating the efficacy of exposure-aware acquisition design.
• Abstract（参考訳）: RPPG(Remote Photoplethysmography)は、インテリジェントな車両の運転者の心拍数モニタリングに大いに貢献する。 しかし、その性能は、非常にダイナミックな照明変化によって著しく劣化する。 多くの既存のシステムは、固定露光設定またはカメラ内蔵の自動露光のいずれかに依存しており、運転中に急速に変化する照明条件下では、安定した顔の明るさを維持することができない。 このギャップに対処するために,過去の皮膚反射の予測モデルに基づいて,被曝パラメータを積極的に調整する高適応露光制御フレームワークを提案する。 従来の自動露光とは異なり,本手法は特にrPPG測定に最適化されており,rPPG信号抽出の最適ダイナミックレンジ内における関心領域(ROI)が確保されている。 本研究の重要な貢献として、実際の運転条件下で捕獲された48名の被験者の顔映像と参照心電図を組み合わせた、車両内生理モニタリングデータセットExpDriveを紹介した。 広汎な実験により,本手法は固定露光法と標準オート露光法を一貫して上回っていることが示された。 具体的には、平均絶対誤差(MAE)を6.31bpm(14.1bpmから7.79bpm)削減し、挑戦的な運転シナリオで32.3ポイント(p < 0.001)(24.9%から57.2%)で成功率を大幅に向上させる。 特に、低照度(レーニー)と高照度(サニー)の両方条件における非接触心拍モニタリングの性能を明らかに改善し、露光認識獲得設計の有効性を検証した。

関連論文リスト

• ExpoCM: Exposure-Aware One-Step Generative Single-Image HDR Reconstruction [60.873186669266836]
  シングルイメージHDR再構成は,単一低ダイナミックレンジ(LDR)入力から高ダイナミックレンジの放射率を回復することを目的としている。 ExpoCMは,HDR再構成をPF-ODE(Probability Flow ODE)として再構成し,露出依存摂動による露出認識整合性トラジェクトリを構築する,新しい一段階のHDR再構成フレームワークである。 HDR-REAL、HDR-EYE、AIM2025ベンチマークの実験は、ExpoCMが最先端の忠実性を達成することを示した。
  論文  参考訳（メタデータ） (2026-05-04T11:06:49Z)
• Autobiasing Event Cameras for Flickering Mitigation [7.281297644096665]
  本稿では,イベントカメラのバイアスを調整するための革新的な自律機構を提案する。 このシステムは空間空間におけるフリックのインスタンスを特定し、その影響を最小限に抑えるために特定のバイアスを動的に調整する。 このオートバイアスシステムの有効性は、高照度と低照度の両方の条件下で、顔検出フレームワークを用いて頑健に検証された。
  論文  参考訳（メタデータ） (2025-11-04T01:49:08Z)
• Remote Photoplethysmography in Real-World and Extreme Lighting Scenarios [26.913899198659436]
  リモート光ポモグラフィーのためのエンド・ツー・エンドの教師付きモデルを提案する。 複雑で未知の外部の時間変化の干渉を排除しようとする。 これは、実際の屋外の自然顔ビデオのための最初の堅牢なrモデルである。
  論文  参考訳（メタデータ） (2025-03-14T14:50:58Z)
• Radar Enlighten the Dark: Enhancing Low-Visibility Perception for Automated Vehicles with Camera-Radar Fusion [8.946655323517094]
  低視認性条件に対処するために,トランスフォーマーを用いた新しい3次元オブジェクト検出モデル"REDFormer"を提案する。 我々のモデルは、分類と検出精度で最先端(SOTA)モデルより優れている。
  論文  参考訳（メタデータ） (2023-05-27T00:47:39Z)
• Practical Exposure Correction: Great Truths Are Always Simple [65.82019845544869]
  我々は,効率と性能の特性を組み立てるPEC(Practical Exposure Corrector)を確立する。 観測結果から有用な情報を抽出するキーエンジンとして,露光対向関数を導入する。 我々の実験は提案したPECの優位性を十分に明らかにしている。
  論文  参考訳（メタデータ） (2022-12-29T09:52:13Z)
• CuDi: Curve Distillation for Efficient and Controllable Exposure Adjustment [86.97592472794724]
  そこで我々は, 対や不対のデータを必要とせず, 効率よくかつ制御可能な露光調整のためのCuDi曲線蒸留法を提案する。 提案手法は,ゼロ参照学習と曲線ベースのフレームワークを,実効的な低照度画像強調手法であるゼロDCEから継承する。 提案手法は, 高速で頑健でフレキシブルな性能に優れ, 実シーンにおける最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-07-28T17:53:46Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
  本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。 このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
  論文  参考訳（メタデータ） (2020-07-21T17:30:51Z)
• Learning Multi-Scale Photo Exposure Correction [51.57836446833474]
  露出を間違えた写真を撮影することは、カメラベースの画像の誤りの主な原因である。 本稿では,各サブプロブレムに個別に対処する粗大な深層ニューラルネットワーク(DNN)モデルを提案する。 提案手法は,未露出画像における既存の最先端手法と同等の結果を得る。
  論文  参考訳（メタデータ） (2020-03-25T19:33:51Z)

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。