本文介绍了一系列基于深度学习的远程光电容积描记术（rPPG）方法，旨在从面部视频中测量心率和心率变异性。这些方法在多个数据集上验证了其有效性，特别是在心房颤动检测和情感识别方面表现优越。

本研究提出了三种基于远程光电容积描记术的展示攻击检测方法，包括生理领域、Deepfakes领域和新的展示攻击领域。实验结果表明，基于rPPG的模型在展示攻击检测中效率高，平均分类错误率降低到19.32%。迁移学习在rPPG模型中表现良好。

本文介绍了一种名为PhysFormer的基于transformer的架构，用于增强远程光电容积描记术（rPPG）的表示。通过标签分布学习和课程学习提供精细的监督，并在四个基准数据集上进行了实验，证明了其优越性能。