스마트폰이 일상 생활에서 점점 더 많이 사용되면서 이러한 기기들은 많은 복잡한 작업을 수행할 수 있게 되었습니다. 특히 노인이나 특정 질병을 가진 사람들의 경우 생명체 징후를 지속적으로 모니터링할 필요성이 있어, 스마트폰을 이용해 생명체 징후를 추정하는 알고리즘의 개발이 전 세계 연구자들의 관심을 받고 있습니다. 연구자들은 심박수, 산소 포화도, 호흡율 등의 생명체 징후를 스마트폰에서 실행할 수 있는 알고리즘을 통해 추정하는 방법들을 탐구하고 있습니다. 그러나 이러한 알고리즘 중 많은 부분은 사전 처리 단계가 필요하여 구현 부담을 초래하거나 최적 결과를 얻기 위해 몇 가지 수작업 단계를 설계해야 하는 경우가 많습니다. 이 문제를 해결하기 위해 본 연구에서는 사전 처리 과정이 필요하지 않은 딥 러닝을 활용한 모바일 기반 생명체 징후 추정에 대한 새로운 엔드투엔드 솔루션을 제안합니다. 완전히 합성곱 구조를 사용함으로써 제안된 모델은 완전 연결 계층(Fully-Connected Layers)을 예측 헤드로 사용하는 구조보다 훨씬 적은 매개변수와 낮은 계산 복잡도를 가지고 있습니다. 이는 과적합(Overfitting)의 위험성을 줄이는 데에도 도움이 됩니다. 또한, 35명의 남성과 27명의 여성으로부터 수집된 62개의 동영상을 포함하는 생명체 징후 추정용 공개 데이터셋이 제공됩니다. 총괄적으로, 제안된 엔드투엔드 접근 방식은 쉽게 구할 수 있는 소비자 전자제품에서 장치 내 건강 모니터링(on-device health monitoring)의 효율성과 성능을 크게 향상시킬 것으로 기대됩니다.