PulseAugur
实时 23:07:48
English(EN) LQ-rPPG: A Label-Quantized Coarse-to-Fine Learning Framework for Remote Physiological Measurement

新框架改进视频远程生理测量

研究人员开发了LQ-rPPG,一个旨在提高从面部视频进行远程生理测量准确性的新颖框架。该方法通过将连续生理信号转换为量化的伪标签,解决了现有深度学习模型中训练标签噪声大且不一致的问题。该框架采用粗到细的估计模型,通过分层监督逐步优化信号,从而实现更鲁棒和可泛化的rPPG估计。LQ-rPPG不仅提高了性能,还显著减少了模型参数和计算负载,同时提高了吞吐量。 AI

影响 通过改进视频中的生理信号提取,提高了远程健康监测的准确性和效率。

排序理由 该集群包含一篇详细介绍特定AI应用新技术框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jun Seong Lee, Samyeul Noh, Changki Sung, Hyun Myung ·

    LQ-rPPG: A Label-Quantized Coarse-to-Fine Learning Framework for Remote Physiological Measurement

    arXiv:2605.23174v1 Announce Type: new Abstract: Remote photoplethysmography (rPPG) enables non-contact measurement of physiological signals from facial videos, offering strong potential for remote healthcare and daily health monitoring. Driven by this potential, various deep lear…