迈向运动稳健性：一种遮蔽关注正规化框架在远程光电测量中的应用
原文中文，约1800字，阅读约需5分钟。
📝
内容提要
本文提出了多种非接触式心率估计（rPPG）的方法，包括修正面部运动误差、隐私保护技术和面部反欺诈策略。研究表明，利用三维面部建模和自监督学习可以有效提高rPPG信号的提取和生物识别性能，尤其在动态场景中表现优越。实验结果验证了这些方法的有效性和泛化能力。
❓
Q&A
如何修正非接触式心率估计中的面部运动误差？
本文提出了两种方法来修正非接触式心率估计中由于长度和面部运动造成的误差。
数据扰动方法如何保护隐私？
通过对面部区域进行像素洗牌和模糊处理，该方法能降低面部识别算法的准确性，同时对rPPG信号提取几乎没有影响。
如何应对3D面具攻击对面部识别的挑战？
研究提出了一种基于远程光电容谱法的面部反欺诈方法，显著提高了面部欺诈检测的效果。
新的视频表示方法如何改善动态场景中的测量鲁棒性？
利用三维面部表面构建的新颖视频表示方法，显著提高了在动态场景中的测量鲁棒性，实验结果显示性能改进高达29.6%。
两阶段的rPPG信号恢复方法包括哪些步骤？
该方法包括视频增强和rPPG信号恢复两个阶段，实验表明在压缩视频上表现出色。
自监督学习在rPPG信号提取中的作用是什么？
自监督学习方法用于提取生理信号中的自我相似性先验，并探索抗干扰策略以减少动作和光照的干扰。
🏷️
