Semi-rPPG：基于课程式伪标签的半监督远程生理测量
计算机视觉与模式识别
2025-02-07 v1
摘要
远程光电容积描记术（rPPG）是一种通过面部视频监测心率等生理信号的前景广阔的技术。然而，该研究中带标签的面部视频难以收集。当前的 rPPG 研究主要基于在简单环境中采集的少数小型公开数据集，这限制了人工智能模型的泛化能力和规模。利用少量有标签数据和大量无标签数据的半监督方法可以填补 rPPG 学习的这一空白。本研究提出了一种名为 Semi-rPPG 的新型半监督学习方法，该方法结合了课程式伪标签策略和一致性正则化，旨在从无标签数据中提取内在生理特征，同时避免模型受到噪声干扰。具体而言，我们提出了一种基于信噪比（SNR）标准的课程式伪标签策略，用于为无标签数据标注，同时自适应地过滤掉低质量的无标签数据。此外，通过对视频片段进行弱增强和强增强，我们提出了一种针对准周期信号的新型一致性正则化项。为了促进半监督 rPPG 测量的研究，我们通过在四个公开数据集上进行数据集内和跨数据集评估，建立了一个新的 rPPG 学习半监督基准。与三种经典的半监督方法相比，所提出的 Semi-rPPG 方法在不同协议下均取得了最佳结果。消融研究证明了所提方法的有效性。
引用
@article{arxiv.2502.03855,
title = {Semi-rPPG: Semi-Supervised Remote Physiological Measurement with Curriculum Pseudo-Labeling},
author = {Bingjie Wu and Zitong Yu and Yiping Xie and Wei Liu and Chaoqi Luo and Yong Liu and Rick Siow Mong Goh},
journal= {arXiv preprint arXiv:2502.03855},
year = {2025}
}
备注
Accepted by IEEE Transactions on Instrumentation and Measurement (TIM)