基于多域判别器的rPPG-SysDiaGAN：心动律-舒张期特征局部化
计算机视觉与模式识别
2025-04-03 v1
摘要
远程光电容积图谱（remote photoplethysmography, rPPG）提供了一种非侵入性监测生命体征（如呼吸率）的新方法，利用摄像头实现。尽管已提出多种监督式和自监督式方法，但往往难以准确重构PPG信号，尤其在区分心动期和舒张期成分方面。其主要关注点仅限于提取心率，可能无法真实反映完整的PPG信号。为此，本文提出一种新型深度学习架构，采用生成对抗网络并引入多判别器，从面部视频中提取rPPG信号。这些判别器分别聚焦于时域、频域以及原始时域信号的二阶导数。判别器整合了四种损失函数：方差损失以缓解噪声引起的局部最优问题；动态时间变形损失以解决序列长度可变导致的局部最优问题；稀疏损失用于心率调整；方差损失用于确保在心动期与舒张期之间维持均匀分布的频率域和时间间隔。
引用
@article{arxiv.2504.01220,
title = {rPPG-SysDiaGAN: Systolic-Diastolic Feature Localization in rPPG Using Generative Adversarial Network with Multi-Domain Discriminator},
author = {Banafsheh Adami and Nima Karimian},
journal= {arXiv preprint arXiv:2504.01220},
year = {2025}
}