論文の概要: Template Collapse and Information-Theoretic Limits in Camera rPPG Pulse Morphology Restoration

• arxiv url: http://arxiv.org/abs/2606.03802v1
• Date: Tue, 02 Jun 2026 15:50:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.124719
• Title: Template Collapse and Information-Theoretic Limits in Camera rPPG Pulse Morphology Restoration
• Title（参考訳）: カメラrPPGパルス形態復元におけるテンプレート崩壊と情報理論限界
• Abstract要約: コンシューマー・フェイスカメラ リモート・フォトプレティス幻覚(r)は、受動的心血管モニタリングを可能にする。 しかし、動脈硬化度をコードする単一サイクル波形形態が、この測定から回復可能であるか否かは明らかになっていない。 16のエンコーダアーキテクチャを3つのデータセットで評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective: Consumer face camera remote photoplethysmography (rPPG) enables passive cardiovascular monitoring, but whether single-cycle waveform morphology encoding arterial stiffness biomarkers is recoverable from this measurement has not been characterised. Methods: We evaluated 16 architectures spanning six families on 153 subjects across three datasets, introducing cross-subject Pearson r to distinguish subject-specific recovery from template collapse. Results: No architecture recovered subject-specific morphology (cross-subject r range 0.773--0.9999; ground-truth ceiling 0.601). Supervised Contrastive (SupCon) converged to log N = 4.844, constituting the strongest available empirical evidence that no discriminative morphological structure is extractable from single-cycle rPPG by the encoder families tested. The VAE decoder restores population-level harmonic content absent from the rPPG input (H2/H1: 0.310 output vs. 0.275 input), generalising zero-shot to UBFC (r = +0.708); a directional hallucination gap (p = 0.150) suggests partial signal reading. Anti-collapse objectives fail when input carries no discriminative structure. Significance: Consumer cameras cannot encode individual arterial morphology; cross-subject r is a necessary collapse diagnostic for waveform reconstruction benchmarks.
• Abstract（参考訳）: 目的: 消費者向け顔カメラリモート光胸腺撮影(rPPG)は受動型心血管モニタリングを可能にするが, 動脈硬化性バイオマーカーをコードする単一サイクル波形形態が回復可能かどうかは不明である。 方法: テンプレート崩壊から対象特異的回復を区別するクロスオブジェクトピアソンrを導入し, 3つのデータセットにまたがる6つのファミリーにまたがる16のアーキテクチャを評価した。 結果: 主観的形態の復元は行われなかった(全射 r は 0.773--0.9999, 接地トラス天井 0.601)。 Supervised Contrastive (SupCon) はlog N = 4.844 に収束し、試験されたエンコーダファミリーによって単サイクル rPPG から識別的形態構造を抽出できないという最も強力な実証的証拠を構成する。 VAEデコーダは、rPPG入力から欠落した集団レベルのハーモニックコンテンツを復元し(H2/H1:0.310出力対0.275入力)、UBFC(r = +0.708)へのゼロショットを一般化する(p = 0.150)。 対決目的は、入力が識別的構造を持たないときに失敗する。 意義: 消費者カメラは個々の動脈形態を符号化できない; クロスオブジェクトrは波形再構成ベンチマークに必要な崩壊診断である。

関連論文リスト

• B-MIM: Biased Masked Image Modeling for Generalizable Segmentation of Fine-Grained Anatomical Structures [42.844780603412325]
  自己監督型プレトレーニングは、医療画像の転送可能な表現を可能にする。 ほとんどのCTエンコーダは、いまだに粗い意味理解に偏っている。 グローバルなセマンティックアライメントを低減するために、バイアスドマスク画像モデリングを導入する。
  論文  参考訳（メタデータ） (2026-08-25T10:20:05Z)
• Beyond Static Anchors: Bounded Prototype Conditioning for Language-Free Medical Anomaly Detection [52.986874008247554]
  本稿では,静的アンカーを入力条件付きビジュアルプロトタイプに置き換える言語フリーフレームワークReCAPを提案する。 ReCAPリセンターは、境界ゲート変調により、各画像の正常と異常なプロトタイプを分離した。 3つのセグメンテーションデータセットで最高のゼロショットレベルのAUROCと、24の複数ショット設定のうち23のゼロショットレベルのAUROCを達成する。
  論文  参考訳（メタデータ） (2026-08-01T04:46:55Z)
• Physiological Signals as a Forensic Modality for Talking-Face Deepfake Detection [0.0]
  ディープスワップ生成(TF)は、静止音源画像とauフェイク信号からフォトレアロスティックな顔映像を合成し、現在の画像ベースの検出器が常に識別できない偽造物を生成する。 本稿では、RhythmFormerを介してビデオ単位のr波を抽出し、実信号の識別のために軽量な分類器群を訓練する検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-23T19:47:15Z)
• BAC-JEPA: Label-Efficient Breast Arterial Calcification Segmentation via Synthetic Mammography-Guided Supervision [0.0]
  プロシージャにより生成した動脈石灰化を, 正確なマスクで実際のマンモグラフィーの背景に挿入したラベル効率の高いセグメンテーションフレームワークBAC-JEPAを提案する。 合成マスクは、マンモグラフィー自己監督型ビジョントランスフォーマーエンコーダと高分解能畳み込みデコーダと組み合わせて、全分解能セグメンテーションマップを生成する。 BacSegでは、セグメンテーションの確率マップからの画像レベルの分類がAUROC 0.8719に到達し、小さいバックボーンは 0.8547 に達した。
  論文  参考訳（メタデータ） (2026-06-20T15:15:11Z)
• Phenotyping TPF via Self-Supervised Learning: A Label-Agnostic Framework with Expert Validation [2.201241345037463]
  我々は、観測者指定のラベルなしで、画像データから直接フラクチャー表現を学習するためのラベルに依存しないフレームワークを設計、実装、検証する。 RadImageNet-pretrained ResNet-50 encoderは154個の膝X線写真に微調整されている。 ラベルに依存しないSSL表現は,従来の分類を再現し,臨床的に解釈可能な補完であることを示す。
  論文  参考訳（メタデータ） (2026-06-15T21:04:31Z)
• Anatomy Guided Coronary Artery Segmentation from CCTA Using Spatial Frequency Joint Modeling [10.73944733412427]
  本稿では, 心筋解剖学的先行性, 構造認識的特徴符号化, 3次元ウェーブレット逆ウェーブレット変換を統合した冠動脈分割フレームワークを提案する。 実験の結果,提案手法はディス係数が0.8082,感度が0.7946,精度が0.8471,HD95が9.77mmであり,いくつかの主流セグメンテーションモデルより優れていることがわかった。
  論文  参考訳（メタデータ） (2025-12-14T04:12:40Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• I Detect What I Don't Know: Incremental Anomaly Learning with Stochastic Weight Averaging-Gaussian for Oracle-Free Medical Imaging [2.384534878752428]
  異常ラベルを使わずに,信頼度の高い正規サンプル群を漸進的に拡張する,教師なしのオラクルフリーフレームワークを導入する。 凍結した事前訓練された視覚バックボーンは、小さな畳み込みアダプタで拡張され、無視できる計算オーバーヘッドを伴う高速なドメイン適応が保証される。 COVID-CXRでは、ROC-AUCは0.9489から0.9982に改善され、肺炎CXRでは0.6834から0.8968に上昇し、脳MRIではND-5では0.6041から0.7269に上昇する。
  論文  参考訳（メタデータ） (2025-11-05T23:28:14Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• Deep Learning for Vascular Segmentation and Applications in Phase Contrast Tomography Imaging [33.23991248643144]
  本稿では,多様な臓器にまたがる機械学習技術の現状を概説する。 我々のゴールは、このトピックの基礎を提供し、新しい画像モダリティで血管セグメンテーションに適用するための堅牢なベースラインモデルを特定することである。 HiP CTは、1ボクセルあたり20mmという前例のない解像度で、完全な臓器の3Dイメージングを可能にする。
  論文  参考訳（メタデータ） (2023-11-22T11:15:38Z)
• A Two-Stage Generative Model with CycleGAN and Joint Diffusion for MRI-based Brain Tumor Detection [41.454028276986946]
  本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。 CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。 VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
  論文  参考訳（メタデータ） (2023-11-06T12:58:26Z)
• WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
  この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。 第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
  論文  参考訳（メタデータ） (2022-04-13T15:27:05Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Feature-enhanced Adversarial Semi-supervised Semantic Segmentation Network for Pulmonary Embolism Annotation [6.142272540492936]
  本研究は,肺塞栓病変領域を自動診断する機能強化逆行性半教師付きセマンティックセマンティックセグメンテーションモデルを構築した。 近年のPEAイメージセグメンテーション手法は,教師あり学習によって訓練されている。 本研究では,少量の未ラベル画像を追加することで,異なるデータセットに適用可能なモデルを構築するための半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2022-04-08T04:21:02Z)
• Vision Transformers for femur fracture classification [59.99241204074268]
  Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。 史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
  論文  参考訳（メタデータ） (2021-08-07T10:12:42Z)

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。