BriefGPT - AI 论文速递
·
DD-rPPGNet: 无监督心率估计的去除干扰和特征学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
提出了一种新颖的去干扰和描述性远程光电容抗图（DD-rPPGNet）方法，用于消除干扰并学习真实的远程光电容抗图信号。通过无监督模型估计干扰，利用对比学习估计初始信号，并使用估计的干扰特征得到去干扰的特征。使用3DLDC捕获细微的色度变化，提高光电容抗图估计性能。实验证明，DD-rPPGNet具有竞争力的性能。
🎯
关键要点
-
提出了一种新颖的去干扰和描述性远程光电容抗图（DD-rPPGNet）方法。
-
DD-rPPGNet用于消除远程光电容抗图特征中的干扰并学习真实信号。
-
设计了一种创新的无监督模型来估计干扰。
-
利用对比学习从训练数据及其增强版本中估计初始信号。
-
使用估计的干扰特征得到去干扰的远程光电容抗图特征。
-
通过3D可学习描述卷积（3DLDC）捕获细微的色度变化，提高估计性能。
-
实验证明DD-rPPGNet具有竞争力的性能，优于以前的无监督方法，并与最先进的有监督方法相媲美。
➡️
