論文の概要: FLOW: Feature-Level Optimal Warping for Generalized Remote Physiological Measurement

• arxiv url: http://arxiv.org/abs/2609.38913v1
• Date: Wed, 30 Sep 2026 04:00:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.154546
• Title: FLOW: Feature-Level Optimal Warping for Generalized Remote Physiological Measurement
• Title（参考訳）: FLOW:汎用的遠隔生理計測のための特徴レベル最適ワープ
• Abstract要約: リモート光麻痺は、非接触的な生理的測定を可能にするが、照明、運動、センサーからの領域シフトに弱いままである。 我々は、ドメイン一般化ミノグラフィーのための最適輸送駆動フレームワークである textbfFLOW (Feature-Level Optimal Warping) を提案する。
• 参考スコア（独自算出の注目度）: 57.28708273339219
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Remote photoplethysmography (rPPG) enables non-contact physiological measurement but remains vulnerable to domain shifts from illumination, motion, and sensors. We propose \textbf{FLOW (Feature-Level Optimal Warping)}, an \emph{optimal transport--driven} framework for domain-generalized rPPG. FLOW integrates a \textbf{Temporal Refinement Module (TRM)} to stabilize temporal dynamics and a \textbf{Prototype-based Cross-Temporal Optimal Transport (PCOT)} module to achieve domain-invariant alignment via learnable prototypes.Beyond feature alignment, FLOW employs soft cross-temporal correspondence modeling that aligns temporal features in a flexible manner, allowing the model to respect and preserve the intrinsic rhythmic patterns of physiological signals. Moreover, the lightweight design of our modules allows seamless integration into existing end-to-end rPPG architectures without additional preprocessing. Two regularization terms further enforce source consistency and identity preservation. Theoretically, we derive a generalization bound under conditional optimal transport. Extensive experiments across four rPPG benchmarks show that FLOW achieves state-of-the-art cross-domain performance with lightweight design and strong physiological fidelity.
• Abstract（参考訳）: リモート光胸腺撮影(remote photoplethysmography, RPPG)は、非接触的な生理的測定を可能にするが、照明、運動、センサーからの領域シフトに弱い。 ドメイン一般化 rPPG のための \emph{optimal transport-driven} フレームワークである \textbf{FLOW (Feature-Level Optimal Warping)} を提案する。 FLOWは、時間的ダイナミクスを安定させるために \textbf{Temporal Refinement Module (TRM) と、学習可能なプロトタイプを通じてドメイン不変のアライメントを実現するために \textbf{Prototype-based Cross-Temporal Optimal Transport (PCOT) モジュールを統合している。 さらに、モジュールの軽量な設計により、追加の事前処理なしで既存のエンドツーエンドのrPPGアーキテクチャへのシームレスな統合が可能になる。 2つの正規化項はさらにソースの一貫性とアイデンティティの保存を強制する。 理論的には、条件付き最適輸送の下での一般化を導出する。 4つのrPPGベンチマークによる大規模な実験により、FLOWは軽量な設計と強力な生理的忠実さで最先端のクロスドメイン性能を達成することが示された。

関連論文リスト

• Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
  本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。 モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
  論文  参考訳（メタデータ） (2026-05-16T12:01:04Z)
• Hybrid Congestion Classification Framework Using Flow-Guided Attention and Empirical Mode Decomposition [6.830580384536778]
  本研究では,FLO-EMDというハイブリッド手法を提案する。 4つの監視ネットワークから1050本の5秒のクリップでの実験は、FLO-EMD 97.5%のテスト精度を示している。
  論文  参考訳（メタデータ） (2026-05-06T10:59:32Z)
• Continuous Temporal Representations of Event-Based Signals via Interference-Based Wave Modeling [0.0]
  干渉に基づく波動表現に基づく連続時間モデリングフレームワークを提案する。 提案された定式化はイベント駆動バイオシグナーに特に適している。 本手法は,バイオメカニカルシステムにおける下流制御タスクのためのsEMGデータからの学習を支援するように設計されている。
  論文  参考訳（メタデータ） (2026-05-02T06:04:55Z)
• Beyond Distance: Quantifying Point Cloud Dynamics with Persistent Homology and Dynamic Optimal Transport [29.979662030541146]
  本稿では,最近提案されたトポロジカル・オプティカル・トランスポート(TpOT)距離を拡張して,時間進化点雲のトポロジカル・ティッピングを解析するためのフレームワークを提案する。 この制限を克服するために、新しいトポロジとハイパーグラフ再構成戦略によって駆動される階層的動的評価フレームワークを提案する。 この測地線とともに、グローバルシフトを捉えるためのマクロメトリクス(トポロジカル歪みとパーシスタンスエントロピー)と、高感度で非同期な局所的な変更を検出するための新しいメソスコピック双対パースペクティブハイパーグラフエントロピーを導入する。
  論文  参考訳（メタデータ） (2026-03-15T07:56:56Z)
• 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)
• 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)
• PolypFlow: Reinforcing Polyp Segmentation with Flow-Driven Dynamics [25.69584903128262]
  PolypFLowは、セグメンテーションの洗練に物理にインスパイアされた最適化力学を注入するフローマッチング拡張アーキテクチャである。 我々はPolypFLowが様々な照明シナリオで一貫した性能を維持しながら最先端を実現していることを示す。
  論文  参考訳（メタデータ） (2025-02-26T10:48:33Z)
• Generalizable Implicit Motion Modeling for Video Frame Interpolation [51.966062283735596]
  フローベースビデオフレーム補間(VFI)における動きの重要性 本稿では,動きモデリングVFIの新規かつ効果的なアプローチである一般インプリシット・モーション・モデリング(IMM)を紹介する。 我々のGIMMは、正確にモデル化された動きを供給することによって、既存のフローベースVFIワークと容易に統合できる。
  論文  参考訳（メタデータ） (2024-07-11T17:13:15Z)

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。