PhysFormer++视频生理测量模型

无需大型预训练

面向人脸视频远程光电容积脉搏波描记（rPPG）的端到端视频Transformer，通过时间差分Transformer增强准周期rPPG特征，采用SlowFast双路径架构结合时序差分周期与交叉注意力，并可从头训练。

Yu, Zitong · Shen, Yuming · Shi, Jingang · Zhao, Hengshuang · Cui, Yawen · Zhang, Jiehua · Torr P. · Zhao, Guoying

International Journal of Computer Vision 2023

技术优势

无需预训练

模型家族可直接在rPPG数据集上从头训练，摆脱对大规模预训练数据的依赖。

泛化性能好

在四个基准数据集上，跨数据集测试表现优异，说明模型对不同数据分布适应性强。

抗干扰更强

通过时间差分Transformer增强准周期rPPG特征，并细化局部时空表示以对抗干扰。

应用场景

• 非接触生理监测：无需接触即可从人脸视频提取心率等生理信号，替代传统接触式传感器，适合日常健康筛查和持续监测。
• 远程医疗健康监测：可集成到远程医疗系统中，通过普通摄像头进行生理指标监测，降低患者到院需求。
• 情感计算：从面部视频中无感获取心率变异性等生理信号，为情绪识别和情感计算提供客观依据。