TYrPPG：用于远程心率估计的简化且增强学习能力 rPPG

远程光电动力学 (rPPG) 可从 RGB 视频中远程提取生理信号，具备低成本、无创等优势，广泛应用于心率检测。现有 rPPG 模型通常基于转换器模块，计算效率较低。近期，Mamba 模型因在自然语言处理任务中显示高效性能，成为替代基于转换器算法的热门选择。然而，Mambaout 模型及其变体表明，Mamba 模型的核心组件——SSM 模块，对视觉任务并非必需。因此，本文旨在证明基于 Mambaout 的模块可用于远程学习心率。具体而言，本文提出一种新型 rPPG 算法，称为 uncomplicated and enhanced learning capability rPPG (TYrPPG)。该论文引入创新的门控视频理解块 (GVB)，用于高效分析 RGB 视频。该块基于 Mambaout 结构，集成 2D-CNN 和 3D-CNN 以增强视频理解。此外，本文提出综合监督损失函数 (CSL)，改善模型学习能力，并推出其弱监督变体。实验表明，TYrPPG 在常用数据集上实现了最先进的性能，显示出在远程心率估计中的前景与优势。源代码已公开于 https://github.com/Taixi-CHEN/TYrPPG。