通过合成增强克服远程光体积描记术中深肤色受试者数据获取困难
计算机视觉与模式识别
2021-06-14 v1
摘要
基于摄像头的远程光体积描记术(rPPG)提供了一种利用面部视频非接触测量生理信号(如心率)的方法。近期的深度学习架构显著提升了此类生理测量的精度,但它们受限于标注视频的多样性。现有数据集 MMSE-HR、AFRL 和 UBFC-RPPG 中深肤色受试者占比分别约为 10%、0% 和 5%。不平衡的训练集导致对未见受试者的泛化能力较差,并引发针对不同人口群体的非预期偏差。在西方学术界,在大学环境中收集这些深肤色受试者的数据颇为困难。本文展示了首次尝试通过合成增强来克服深肤色受试者缺失的问题。我们利用联合优化框架将浅肤色受试者的真实视频转换为深肤色色调,同时保留其搏动信号。实验中,与仅使用真实样本训练的先前工作相比,我们的方法在深肤色组上的平均绝对误差降低了约 31%,在所有组上的偏差缓解提升了 46%。
引用
@article{arxiv.2106.06007,
title = {Overcoming Difficulty in Obtaining Dark-skinned Subjects for Remote-PPG by Synthetic Augmentation},
author = {Yunhao Ba and Zhen Wang and Kerim Doruk Karinca and Oyku Deniz Bozkurt and Achuta Kadambi},
journal= {arXiv preprint arXiv:2106.06007},
year = {2021}
}