초록
원격 광피부혈류도량법(rPPG) 기반의 생리 측정은 감성 컴퓨팅, 비접촉 건강 모니터링, 원격 의료 모니터링 등에서 큰 응용 가치를 가지고 있으며, 특히 코로나19 팬데믹 동안 그 중요성이 더욱 커지고 있습니다. 기존 방법들은 주로 두 가지 그룹으로 나뉩니다. 첫 번째 그룹은 얼굴 영상에서 미세한 혈액 용적 펄스(BVP) 신호를 추출하는 데 초점을 맞추지만, 얼굴 영상 내용을 지배하는 잡음들을 명시적으로 모델링하는 경우가 드뭅니다. 이들 방법은 잡음에 취약하여 새로운 상황에서는 일반화 능력이 부족할 수 있습니다. 두 번째 그룹은 직접 잡음 데이터를 모델링하는 데 중점을 두지만, 이러한 심각한 무작위 잡음들의 규칙성이 부족하여 성능이 최적이지 않을 수 있습니다. 본 논문에서는 생리적 특징을 모델링하는 것에 초점을 맞춘 분해 및 재구성 네트워크(DRNet)를 제안합니다. 또한, 생리 정보의 주기성을 제약하기 위한 새로운 사이클 손실(cycle loss)을 제안하며, 공간 위치 정보와 함께 특징을 강화하기 위한 플러그 앤 플레이 방식의 공간 주의 블록(SAB)을 도입하였습니다. 더불어, 다양한 잡음과 특징을 가진 증강 샘플을 합성하기 위한 효율적인 패치 크롭(PC) 증강 전략도 제안되었습니다. 여러 공개 데이터셋에서의 광범위한 실험 및 크로스-데이터베이스 테스트는 우리 접근 방식의 유효성을 입증하였습니다.