Pressure Eye：基于非接触式成像的床上接触压力估计

计算机视觉在从图像中解读语义信息方面已取得巨大成功，然而估计物体的底层（非视觉）物理属性通常局限于其整体值，而非重建密集图。在本工作中，我们提出压力眼（Pressure Eye, PEye）方法，直接从视觉信号中以高分辨率估计人体与其所躺表面之间的接触压力。PEye方法最终可实现对卧床患者压疮的预测与早期检测，而目前这依赖于昂贵的压力垫。我们的PEye网络采用双编码共享解码结构，以融合视觉线索与若干相关物理参数，从而重建高分辨率压力图（PMs）。我们还提出一种基于朴素贝叶斯假设的逐像素重采样方法，以进一步提升压力图回归性能。同时提出了一种针对感知估计精度评估的感知正确率（percentage of correct sensing, PCS），在可变误差容忍度下为性能评估提供另一视角。我们通过一系列广泛实验，使用多模态感知技术在102名受试者卧床时采集数据来测试我们的方法。个体的高分辨率接触压力数据可从其RGB或长波红外（LWIR）图像中估计，在$PCS_{efs0.1}$准则下估计准确率分别达91.8%和91.2%，优于相关图像回归/翻译任务中的SOTA方法。