PHASE-Net：用于高效远程光电容积脉搏波描记测量的物理驱动谐波注意力系统
计算机视觉与模式识别
2026-03-10 v3
摘要
远程光电容积脉搏波描记（rPPG）测量实现了非接触式生理监测，但在头部运动和光照变化下会出现精度下降。现有的深度学习方法大多基于启发式且缺乏理论基础，限制了鲁棒性和可解释性。在本工作中，我们提出了一种源于血液动力学 Navier-Stokes 方程的物理信息 rPPG 范式，表明脉搏信号遵循二阶动力系统，其离散解自然导出因果卷积，从而证明了使用时间卷积网络（TCN）的合理性。基于这一原理，我们设计了 PHASE-Net，这是一个包含三个关键组件的轻量级模型：1）零 FLOPs 轴向交换器模块，通过交换或转置少量空间通道来混合远处的面部区域，在不改变时间顺序的情况下增强跨区域特征交互；2）自适应空间滤波器，为每帧学习一个软空间掩码，以突出信号丰富的区域并抑制噪声，从而获得更干净的特征图；3）门控 TCN，一种带门控的因果膨胀 TCN，用于建模长程时间动态以准确恢复脉搏。大量实验表明，PHASE-Net 实现了最先进的性能和极高的效率，提供了一个理论扎实且具备部署能力的 rPPG 解决方案。源代码可在 https://github.com/Alex036225/PhaseNet 获取。
引用
@article{arxiv.2509.24850,
title = {PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement},
author = {Bo Zhao and Dan Guo and Junzhe Cao and Yong Xu and Bochao Zou and Tao Tan and Yue Sun and Zitong Yu},
journal= {arXiv preprint arXiv:2509.24850},
year = {2026}
}
备注
Accepted by CVPR2026