論文の概要: Explaining RhythmFormer: A Systematic XAI Analysis of Periodic Sparse Attention for Remote Photoplethysmography

• arxiv url: http://arxiv.org/abs/2606.13839v1
• Date: Thu, 11 Jun 2026 19:10:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.596288
• Title: Explaining RhythmFormer: A Systematic XAI Analysis of Periodic Sparse Attention for Remote Photoplethysmography
• Title（参考訳）: RhythmFormerの解説:リモート光胸腺撮影における周期的スパース注意のXAI解析
• Authors: Louis Chen, Torbjörn E. M. Nordling,
• Abstract要約: Photoplethys変換器は、ベンチマークで心拍数エラーが低いが、その決定は不透明である。 既存のXAIは、定量的忠実度測定や生理的根拠による検証を伴わない定性的なヒートマップ検査によって支配されている。 我々は、RhythmFormerの2レベルの注意をトップ$k$選択で定量化するために、4つの方法(raw attention, rollout, flow, Beyond Intuition)を適用する。
• 参考スコア（独自算出の注目度）: 1.647210198730602
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Remote photoplethysmography (rPPG) transformers achieve low heart-rate error on benchmarks, yet their decisions remain opaque--a growing concern as rPPG moves toward clinical heart rate estimation. Existing rPPG XAI is dominated by qualitative heatmap inspection without quantitative faithfulness metrics or physiology-grounded validation, leaving a gap between visual plausibility and auditable evidence. We address this gap. First, we adapt four attribution methods (raw attention, rollout, flow, Beyond Intuition) to RhythmFormer's bi-level routing attention with top-$k$ selection. Second, we introduce a skin coverage metric quantifying how much attribution mass falls on skin regions. Third, we adapt the SaCo faithfulness coefficient from its original classification setting to rPPG regression by using the MAE between original and perturbed predicted rPPG waveforms as the perturbation impact. Applying these tools, we quantify a multi-hop leakage effect under sparse top-$k$ routing: attention rollout and flow almost completely restores the connections that individual refined-attention layers explicitly set to zero. Beyond Intuition mitigates this via its value-projection-weighted rollout and gradient-supported mask, attaining the highest median refined skin coverage ($0.83$ vs. $0.57$ for vanilla rollout) and faithfulness ($F=0.92$) among the evaluated methods on UBFC-rPPG. Validation across diverse datasets and model variants is needed. A case study on a low-SaCo outlier further shows all four methods recovering consistently once an artefactual region is replaced, suggesting consistent SaCo behavior across attribution families in this illustrative case. Together, these metrics move XAI for rPPG toward auditable numerical evidence about spatial alignment and perturbation faithfulness, i.e. trustworthy rPPG XAI.
• Abstract（参考訳）: RPPG(Remote Photoplethysmography)トランスフォーマーは、ベンチマークで低い心拍数誤差を達成するが、その決定は不透明であり、rPPGが臨床心拍数推定に向かうにつれ懸念が高まっている。 既存のrPPG XAIは、定量的忠実度指標や生理的根拠のない定性的なヒートマップ検査によって支配されており、視覚的妥当性と聴覚的証拠のギャップを残している。 私たちはこのギャップに対処する。 まず、RhythmFormerの2レベルルーティングアテンションに4つの属性メソッド(raw attention, rollout, flow, Beyond Intuition)を適用する。 第2に,皮膚領域における寄与量の定量化について紹介する。 第3に、元の分類設定からRPPG回帰へのSaCo忠実度係数を、元の予測と摂動予測のrPPG波形間のMAEを摂動影響として適用する。 注意ロールアウトとフローは、個々の精細なアテンション層が明示的に0に設定したコネクションをほぼ完全に復元します。 Beyond Intuitionは、UBFC-rPPGの評価手法のうち、最も高精細度(0.83$対0.57$対バニラロールアウト)と忠実度(F=0.92$)を達成している。 さまざまなデータセットとモデル変種にわたる検証が必要である。 低SaCoのアウトリーチに関するケーススタディでは、人工領域が置き換えられると、すべての4つのメソッドが一貫した回復を示し、この例では、帰属族間で一貫したSaCoの挙動を示唆している。 これらの指標は共に、RPPGのXAIを、空間的アライメントと摂動忠実性(すなわち信頼できるrPPG XAI)に関する監査可能な数値的な証拠へと移動させる。

関連論文リスト

• LQ-rPPG: A Label-Quantized Coarse-to-Fine Learning Framework for Remote Physiological Measurement [9.606144267032215]
  LQ-rはロバストなr推定のためのラベル間学習フレームワークである。 連続的な信号をノイズと可変性を低減したマルチビット量子化擬似ラベルに変換する。 LQ-rは、挑戦的な条件下でも頑健で一般の r 推定を達成する。
  論文  参考訳（メタデータ） (2026-05-22T02:46:11Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• Posterior Augmented Flow Matching [64.1559809786948]
  後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
  論文  参考訳（メタデータ） (2026-05-01T17:59:59Z)
• Intervention-Based Self-Supervised Learning: A Causal Probe Paradigm for Remote Photoplethysmography [38.62089038790769]
  新たなSSLパラダイムであるCausal Probing(PCP)を提案する。 PCPは潜伏rシグナルを基礎となる物理的ソースとして扱い、結果として生じるピクセルの色の変化を視覚的表現として扱う。 我々のエディタは、VIPL-HRやMMPD-HRといった挑戦的なデータセット上で、ドメイン内およびクロスドメインのパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-04-26T09:56:09Z)
• BPC-Net: Annotation-Free Skin Lesion Segmentation via Boundary Probability Calibration [15.992042021607643]
  アノテーションのない皮膚病変セグメンテーションのための境界確率校正フレームワークであるBPC-Netを提案する。 提案手法は, マクロ平均Dice係数と Jaccard index の85.80% と76.97% に到達し, 教師なし手法の最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-04-07T08:43:34Z)
• ConsistentRFT: Reducing Visual Hallucinations in Flow-based Reinforcement Fine-Tuning [85.20505958752928]
  フローベースモデル上での強化ファインチューニング(RFT)は、優先順位調整に不可欠である。 RFTは、過度に最適化された詳細や意味的なミスアライメントのような視覚幻覚をしばしば導入する。 この研究は、なぜ視覚幻覚が生じるのか、どのようにそれらを減らすのかを予備的に探求する。
  論文  参考訳（メタデータ） (2026-02-03T11:49:46Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
  心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。 光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。 本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-15T01:07:08Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Meta-rPPG: Remote Heart Rate Estimation Using a Transductive Meta-Learner [15.701494085639007]
  リモート光胸腺撮影(r)による遠隔心拍数推定 自己監督型重み調整のための試験(デプロイ)において,未ラベルのサンプルを抽出するトランスダクティブメタラーナを提案する。
  論文  参考訳（メタデータ） (2020-07-14T03:01:46Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。