rPPG无监督学习简述

综述

目前rPPG无监督学习开始自2021ICCV论文¹。在这篇文章里首次提出了可以利用插帧改变心率的方法，将一个心率片段和插帧之后的该片段（相同心跳次数，不同帧数对应心率不同）进行对抗学习。本文将以论文为切入点，综述自无监督rPPG提出两年以来，各个课题组的工作。同时本文将列举有作为rPPG数据集的人脸视频数据集。
总体来看有进步也有局限性。进步主要集中在改变视频片段中频域特征的方法，从简单的插值方法有所升级，同时不止局限于单个片段内的心率关系，也引入了不同心率片段间的相互关系。局限性体现在，虽然目前的多篇论文标榜的是无监督学习，实际上都是基于有监督的rPPG数据集进行的一系列数据上的处理，虽然泛化性较监督模型有所提升，但并不具有真正在wild的应用潜力。
目前有生理信号检测各大实验室都有相关论文被推出,具体列举如下：
SIMPER: SIMPLE SELF-SUPERVISED LEARNING OF PERIODIC TARGETS 华盛顿大学 Daniel McDuff 课题组。
Video-based Remote Physiological Measurement via Self-supervised Learning 合肥工大 丁帅 课题组。
Contrast-Phys: Unsupervised Video-based Remote Physiological Measurement via Spatiotemporal Contrast oulu大学 Xiaobai Li 课题组
Self-Supervised Representation Learning Framework for Remote Physiological Measurement Using Spatio