FacePhys：掌握心脏状态
计算机视觉与模式识别
2025-12-09 v1
摘要
利用摄像头测量生命体征为健康监测提供了舒适且无处不在的机会。遥感光电图谱法（rPPG）是一种基础技术，能够通过皮肤反射光线的细微变化进行心脏测量。然而，其实际部署受限于前端设备的计算约束以及通过压缩信道传输数据导致的信号质量下降。我们提出一种内存高效的rPPG算法——\emph{FacePhys}——基于时空状态空间二元性，解决了模型可扩展性、跨数据集泛化和实时操作之间的三难困扰。利用可迁移的心脏状态，FacePhys在保持最小计算开销的同时捕捉视频帧中细微的周期性变化，使其能够训练较长的视频序列并支持低延迟推理。FacePhys建立了新的领先水平，误差降低了49%。我们的解决方案实现了3.6 MB的内存占用和9.46毫秒的帧延迟，超过现有方法83%至99%。这些结果 translate into reliable real-time performance in practical deployments, and a live demo is available at https://www.facephys.com/.
引用
@article{arxiv.2512.06275,
title = {FacePhys: State of the Heart Learning},
author = {Kegang Wang and Jiankai Tang and Yuntao Wang and Xin Liu and Yuxuan Fan and Jiatong Ji and Yuanchun Shi and Daniel McDuff},
journal= {arXiv preprint arXiv:2512.06275},
year = {2025}
}