BriefGPT - AI 论文速递
·
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
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
- 视频远程生理测量利用面部视频测量血容量变化信号，称为远程光电容抗 (PRP)。
- 提出了一种名为 Contrast-Phys+ 的方法，能够在无监督和弱监督设置下进行训练。
- 使用 3D 卷积神经网络模型生成多个时空 PRP 信号，并将 PRP 的先验知识纳入对比损失函数中。
- 对比损失鼓励来自同一视频的 PRP/GT 信号进行分组，来自不同视频的信号分开。
- 在五个公开数据集上评估方法，Contrast-Phys+ 在部分可用或错位的 GT 信号或没有标签的情况下优于最先进的有监督方法。
- 方法在计算效率、噪声鲁棒性和泛化性方面具有优势。
🏷️
标签
➡️
