論文の概要: PhysVR: Vision-Language Model Guided Interference-aware Temporal Feature Refinement for Remote Physiological Measurement

• arxiv url: http://arxiv.org/abs/2608.29663v1
• Date: Sun, 30 Aug 2026 08:56:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.040576
• Title: PhysVR: Vision-Language Model Guided Interference-aware Temporal Feature Refinement for Remote Physiological Measurement
• Title（参考訳）: PhysVR:遠隔生理計測のための干渉を考慮した視覚言語モデル
• Abstract要約: 本稿では,r推定のための視覚言語モデルであるPhysVRを提案する。 並行して、凍結された視覚言語モデルは、干渉指向のプロンプトの下でサンプルされた顔フレームを処理し、エビデンスヘッドは、VLM出力から視覚的干渉証拠を抽出する。 5つの公開ベンチマーク実験により、PhysVRは、データ内およびデータ間評価プロトコルの両方において、代表的手法よりも一貫して優れていることが示された。
• 参考スコア（独自算出の注目度）: 30.385089857503207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Remote photoplethysmography (rPPG) enables contactless physiological measurement from facial videos, yet its subtle pulse-related variations are easily affected by illumination variation, head motion, facial blur, and region-of-interest instability. Existing methods mainly suppress interference during feature learning, while whether the learned temporal features remain affected by interference and how to further suppress such interference before rPPG estimation are rarely examined. To address this limitation, we propose PhysVR, a vision-language model guided interference-aware temporal feature refinement framework for rPPG estimation. Specifically, a physiological backbone produces global temporal features and a coarse rPPG prediction, from which signal-derived physiological reliability evidence is constructed from local temporal characteristics. In parallel, a frozen vision-language model processes sampled facial frames under an interference-oriented prompt, and an evidence head extracts visual interference evidence from the VLM output. Temporal cross-attention integrates the physiological and visual evidence with the global temporal features to construct interference-aware temporal context. Guided by this context, a shared temporal correction unit performs general refinement, while four interference-specific experts selectively suppress different interference through adaptive routing. The refined temporal features are then used for final rPPG estimation. Extensive experiments on five public benchmarks demonstrate that PhysVR consistently outperforms representative methods under both intra-dataset and cross-dataset evaluation protocols.
• Abstract（参考訳）: リモート光胸腺撮影(rPPG)は、顔の映像から接触のない生理的計測を可能にするが、その微妙なパルス関連の変化は、照明の変化、頭部の動き、顔のぼやけ、および関心の領域不安定によって容易に影響を受ける。 既存の手法は主に特徴学習中の干渉を抑制するが、学習した時間的特徴が干渉の影響を受け続けるか、またrPPG推定前にそのような干渉をさらに抑制する方法はめったに検討されない。 この制限に対処するため、rPPG推定のための干渉対応時間的特徴改善フレームワークであるPhysVRを提案する。 具体的には、生理的バックボーンは、局所的時間的特徴から、信号由来の生理学的信頼性の証拠を構築できる、大域的時間的特徴と粗いrPPG予測を生成する。 並行して、凍結された視覚言語モデルは、干渉指向のプロンプトの下でサンプルされた顔フレームを処理し、エビデンスヘッドは、VLM出力から視覚的干渉証拠を抽出する。 時間的相互注意は、生理的および視覚的証拠をグローバルな時間的特徴と統合し、干渉を意識した時間的文脈を構築する。 この文脈で導かれた共有時間補正ユニットは、一般的な洗練を行い、4つの干渉特化専門家は適応的なルーティングを通して異なる干渉を選択的に抑制する。 精製された時間的特徴は、最終的な rPPG 推定に使用される。 5つの公開ベンチマークでの大規模な実験により、PhysVRは、データ内およびデータ間評価プロトコルの両方で代表的手法より一貫して優れていた。

関連論文リスト

• Closed-loop coupling of personalised and foundation models for real-time treatment guidance with MRI [0.0]
  画像誘導療法は解剖学的構造のリアルタイムターゲティングに依存している。 運動の存在下では、画像の遅延は観察された解剖学と真の解剖学の時間的ずれを生じさせ、治療の精度を損なう。 本稿では,患者固有の時間的予測を連続的セグメンテーションに基づく解剖学的解釈と相乗するクローズドループ結合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-01T06:32:10Z)
• Distilling Temporal Coherence into 2D Networks for Transrectal Ultrasound Prostate Video Segmentation [2.65131397683555]
  経直腸超音波(TRUS)における前立腺のリアルタイムビデオセグメンテーションは画像誘導的介入に不可欠である。 本稿では,時間的コヒーレンスをトレーニング中に2次元ネットワークに蒸留する時間的一貫性学習フレームワークを提案する。 前立腺は幾何学的安定性を示し,周囲の音環境は生理的動きや振動子圧力によって変動する。
  論文  参考訳（メタデータ） (2026-06-30T06:27:02Z)
• BCI-Based Assessment of Ocular Response Time Using Dynamic Time Warping Leveraging an RDWT-Driven Deep Neural Framework [1.7883249184785495]
  本稿では,脳波(EEG)とAR(AR)をベースとしたVestibular/Ocular Motor Screening(VOMS)タスクを統合した初期フレームワークを提案する。 EEG信号は、RDWT(Redundant Discrete Wavelet Transform)駆動のディープニューラルフレームワークを用いて分析される。 Pearson相関を用いてスライディング・ウインドウの予測を検証し、その後、動的時間ワープ(DTW)を用いて眼反応時間を推定した。
  論文  参考訳（メタデータ） (2026-05-14T14:28:11Z)
• 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)
• FreqPhys: Repurposing Implicit Physiological Frequency Prior for Robust Remote Photoplethysmography [54.32412212867472]
  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。
  論文  参考訳（メタデータ） (2026-04-01T06:25:42Z)
• Unleashing Temporal Capacity of Spiking Neural Networks through Spatiotemporal Separation [67.69345363409835]
  スパイキングニューラルネットワーク(SNN)は、時間的処理に自然に適していると考えられており、膜電位の伝播は、コア時間的モデリングメカニズムとして広く見なされている。 我々は, 膜伝播を段階的に段階的に除去する非ステートフル(NS)モデルの設計を行った。
  論文  参考訳（メタデータ） (2025-12-05T07:05:53Z)
• 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)
• 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)
• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• 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)
• 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。