通过显式和隐式先验知识的融合推动可泛化的远程生理测量
原文中文，约400字，阅读约需1分钟。发表于：。本文提出了一种利用远程光电容积图术（rPPG）任务中的显性和隐性先验知识的新框架，通过系统分析不同领域的噪声源，并将这些先验知识纳入网络进行训练，同时利用两个分支网络通过隐式标签相关性去除噪声并提取生理特征分布，我们的实验证明，该方法不仅在 RGB 跨数据集评估上胜过现有方法，而且能够很好地从 RGB 数据集泛化到 NIR 数据集。
Contrast-Phys+是一种用于视频远程生理测量的方法，使用3D卷积神经网络模型生成多个时空PRP信号，并将先验知识纳入对比损失函数中。Contrast-Phys+在无监督和弱监督设置下进行训练，即使在部分可用或错位的GT信号或没有标签的情况下，也优于最先进的有监督方法。此外，该方法在计算效率、噪声鲁棒性和泛化性方面具有优势。
