PhysFlow: 条件归一化流在遥测心率估计中的肤色转换
原文中文，约600字，阅读约需2分钟。发表于：。最近几年，深度学习方法在基于摄像头的远程生理信号估计方面表现出色，尤其是相较于传统方法。然而，深度神经网络的性能和泛化能力在很大程度上依赖于真实应用中所遇到的多种差异因素得到充分表示的丰富训练数据。不幸的是，许多当前的远程光电容积脉搏图（rPPG）数据集缺乏多样性，尤其是在较深肤色方面，导致现有 rPPG 方法的性能存在偏差。为了减轻这种偏差，我们引入了...
深度学习方法在远程生理信号估计方面表现出色。现有的远程光电容积脉搏图（rPPG）数据集缺乏多样性，导致现有方法的性能存在偏差。研究人员引入了一种新方法PhysFlow，通过使用条件化的归一化流增强远程心率估计中皮肤多样性。他们在公开数据集上验证了PhysFlow的能力，并展示了其在不同数据驱动rPPG方法中的多功能和适应性。
