DRNet：面向远程生理测量的分解与重构网络
人机交互
2022-06-22 v2 计算机视觉与模式识别
图像与视频处理
摘要
基于远程光电容积描记术（rPPG）的生理测量在情感计算、非接触式健康监测、远程健康监测等方面具有重要的应用价值，尤其在 COVID-19 大流行期间变得愈发重要。现有方法大致分为两类。第一类侧重于从人脸视频中挖掘细微的血容量脉搏（BVP）信号，但很少显式地对主导人脸视频内容的噪声建模，它们易受噪声影响，且在未知场景下泛化能力较差。第二类直接对噪声数据建模，由于这些严重随机噪声缺乏规律性，导致性能次优。本文提出一种分解与重构网络（DRNet），侧重于对生理特征而非噪声数据建模。提出一种新颖的循环损失以约束生理信息的周期性。此外，提出一种即插即用的空间注意力块（SAB）以增强带有空间位置信息的特征。进一步，提出一种高效的块裁剪（PC）增强策略，用于合成具有不同噪声与特征的增强样本。在不同公开数据集上的大量实验以及跨数据库测试证明了我们方法的有效性。
引用
@article{arxiv.2206.05687,
title = {DRNet: Decomposition and Reconstruction Network for Remote Physiological Measurement},
author = {Yuhang Dong and Gongping Yang and Yilong Yin},
journal= {arXiv preprint arXiv:2206.05687},
year = {2022}
}