Nucleoside and RNA triphosphate phosphohydrolase BSU_30630
PulseAugur coverage of Nucleoside and RNA triphosphate phosphohydrolase BSU_30630 — every cluster mentioning Nucleoside and RNA triphosphate phosphohydrolase BSU_30630 across labs, papers, and developer communities, ranked by signal.
-
PhysFlow 深度学习框架增强了从面部视频进行的非接触式脉搏估算
研究人员开发了 PhysFlow，一个新颖的深度学习框架，旨在提高远程光电容积脉搏描记法 (rPPG) 在从面部视频进行非接触式脉搏估算方面的准确性。该新方法解决了不同光照、面部表情和头部运动带来的挑战，这些因素经常干扰现有的深度学习模型。PhysFlow 通过将 rPPG 信号解耦为趋势和幅度分量，并分别建模以减少相互干扰并保留微弱的生理信号，从而实现了更高的鲁棒性。该框架利用整流流公式进行高效的波形重建，并在实验中展示了优于最先进方法的性能。
-
清华团队发布实时情绪与生理AI模型
清华大学附属团队开发了一个名为FacePhys的基础模型，该模型可以通过面部分析实时分析生理和情绪状态。该模型利用远程光电容积脉搏图（rPPG）技术提取心率、呼吸频率和情绪维度等120多个指标，达到医疗级精度。该技术专为边缘计算设计，可在智能手机和摄像头等设备上进行实时处理，从而增强人机交互和隐私保护。
-
新指标预测视频压缩下rPPG算法性能
研究人员开发了一种名为空间伪影相干性（SAC）的新指标，用于预测远程光电容积脉搏波描记法（rPPG）算法在视频压缩下的性能。SAC通过视频块的协方差矩阵计算得出，能有效区分不同的编解码器家族及其对rPPG准确性的影响。研究发现，某些条件，如低到中度运动和特定的SAC值，是基于块的方法优于全局投影技术的必要条件，为在临床应用中选择鲁棒算法提供了指导。
-
新rPPG方法使用块稀疏模型进行面部脉搏提取
研究人员开发了一种从面部视频中提取远程光电容积脉搏图（rPPG）信号的新方法。该技术利用rPPG信号的准周期性，在时频域将其建模为块稀疏结构。所提出的框架旨在适应不断变化的光照条件，提高心脏脉搏测量的准确性。