要約
遠隔光体积脈波計（rPPG）に基づく生理測定は、感情計算、非接触健康監視、遠隔医療監視などにおいて大きな応用価値を持ち、特に新型コロナウイルス感染症（COVID-19）のパンデミック中にその重要性が増しています。既存の手法は一般的に2つのグループに分類されます。第1グループは顔動画から微細な血流量パルス（BVP）信号を抽出することに焦点を当てていますが、顔動画の主要内容を支配するノイズを明示的にモデル化することはほとんどありません。これらの方法はノイズに対して脆弱であり、未知のシナリオでは汎化能力が低い可能性があります。第2グループは直接ノイジーなデータをモデル化することに焦点を当てており、これらの深刻なランダムノイズの規則性がないため、性能が劣ることがあります。本論文では、ノイジーなデータではなく生理学的な特徴をモデル化することに重点を置いた分解再構築ネットワーク（DRNet）を提案します。新たな周期損失関数を提案し、生理情報の周期性を制約します。さらに、空間位置情報を活用して特徴量を強化するプラグアンドプレイ型の空間注意ブロック（SAB）も提案します。また、異なるノイズと特徴を持つ拡張サンプルを作成するために効率的なパッチクロッピング（PC）拡張戦略も提案します。異なる公開データセットおよびクロスデータベーステストにおける広範な実験により、当方針の有効性が示されています。