PhysFlow: Frequency Decoupled with Dual-Field Rectified Flow for Remote Photoplethysmography

Sintesi Tecnica di PhysFlow: Decoupling di Frequenza con Flusso Rettificato a Doppio Campo per la Fotopletismografia Remota

Problematica
La fotopletismografia remota (rPPG) consente la stima senza contatto di parametri vitali, come la frequenza cardiaca, analizzando le sottili variazioni di colore e intensità del volto. Tuttavia, gli attuali metodi di deep learning faticano in scenari complessi e non vincolati, caratterizzati da variazioni di illuminazione, espressioni facciali e movimenti della testa. In questi ambienti, i segnali fisiologici sottili sono spesso sopraffatti dalle interferenze esterne. Gli autori identificano un limite primario negli approcci esistenti: la maggior parte dei metodi modella il segnale rPPG in modo unificato, dove diverse componenti del segnale (ad esempio, le variazioni legate al polso e le variazioni indotte dai disturbi) risultano accoppiate durante la ricostruzione. Questo accoppiamento rende difficile preservare le deboli variazioni legate al polso quando sono presenti forti disturbi. Inoltre, i metodi esistenti spesso si affidano a una denoisizzazione iterativa (ad esempio, modelli di diffusione), il che porta a un'elevata latenza computazionale, e frequentemente danno priorità alla precisione della frequenza cardiaca (HR) rispetto alla fedeltà morfologica dell'onda ricostruita.

Metodologia: PhysFlow
Per affrontare queste sfide, gli autori propongono PhysFlow, un framework di flusso rettificato a doppio campo con disaccoppiamento di frequenza. L'innovazione principale risiede nella separazione della modellazione del segnale rPPG in componenti distinte invece di trattarlo come un insieme unico.

1. Decomposizione nel Dominio della Frequenza (FDD):
   Il segnale rppg di ground-truth viene scomposto in due obiettivi di supervisione distinti:

   • Componente di Tendenza (Trend Component): Cattura il profilo dell'onda a variazione lenta (bassa frequenza).
   • Componente di Ampiezza (Amplitude Component): Preserva le variazioni fini legate al polso all'interno dell'intervallo plausibile della frequenza cardiaca.
     Questa decomposizione è ottenuta tramite una RFFT (Real Fast Fourier Transform) con specifiche maschere passa-basso e passa-banda, seguita da una IRFFT (Inverse FFT).

2. Framework di Flusso Rettificato a Doppio Campo:
   Invece di utilizzare queste componenti solo come indizi ausiliari, PhysFlow le tratta come obiettivi di generazione espliciti. Il framework apprende due campi di velocità condizionali separate:

   • Testa di Tendenza (Trend Head): Progettata per modellare la tendenza fluida a bassa frequenza. Utilizza un approccio di ricostruzione basato su basi (usando basi spettrali e polinomiali) per imporre la fluidità e sopprimere fluttuazioni ad alta frequenza non necessarie.
   • Testa di Ampiezza (Amplitude Head): Progettata per modellare le variazioni legate al polso, che sono più sensibili ai disturbi dipendenti dal video. Utilizza un predittore temporale consapevole delle condizioni che incorpora la modulazione FiLM, convoluzioni temporali dilatate e il reweighting Squeeze-and-Excitation (SE) per catturare complesse dipendenze temporali.
     Entrambe le teste sono guidate da caratteristiche estratte dal video di input tramite un Blocco Transformer Periodico, che include una caratteristica globale condivisa da entrambi i rami e caratteristiche di guida specifiche per componente.

3. Inferenza Efficiente tramite Flusso Rettificato:
   A differenza dei tradizionali modelli di diffusione che richiedono una denoisizzazione iterativa, PhysFlow utilizza la formulazione del Flusso Rettificato. Apprende un campo di velocità per trasportare i campioni da uno stato latente inizializzato con Gaussiana direttamente agli stati di tendenza e ampiezza target lungo un percorso rettilineo. Durante l'inferenza, il segnale rPPG finale viene ricostruito integrando equazioni differenziali ordinarie (ODE) con solo pochi step (ad esempio, 4 step), riducendo significativamente l'overhead computazionale.

Contributi Chiave

• Architettura a Doppio Campo: Il documento propone un nuovo framework che disaccoppia le componenti di tendenza e ampiezza del segnale rPPG, modellandole tramite due distinti campi di velocità condizionali per ridurre l'interferenza reciproca.
• Decomposizione Esplicita della Supervisione: Viene introdotta una strategia di decomposizione nel dominio della frequenza per derivare obiettivi di supervisione espliciti per le componenti di tendenza e ampiezza, permettendo alla decomposizione di partecipare attivamente al processo generativo piuttosto che servire come aiuto post-hoc.
• Ricostruzione Efficiente e Robusta: Sfruttando il flusso rettificato, il metodo ottiene una ricostruzione dell'onda di alta qualità con un numero minimo di step di integrazione ODE, affrontando i problemi di latenza degli approcci basati sulla diffusione e migliorando al contempo la robustezza contro i disturbi complessi.

Risultati Sperimentali
Gli autori hanno valutato PhysFlow su quattro dataset di riferimento: BUAA-MIHR (bassa illuminazione), VIPL-HR (movimenti e illuminazione diversificati), NIRP-DRV (scenari di guida) e NIRP-IND (guida indoor).

• Stima della Frequenza Cardiaca: PhysFlow ha raggiunto prestazioni state-of-the-art in tutti i dataset. Ad esempio, sul difficile dataset NIRP-DRV, ha ottenuto un RMSE di 5.93 bpm, superando il precedente migliore (PHASE-Net) di 6.23 bpm. Sul dataset BUAA-MIHR, ha ridotto l'RMSE a 1.17 bpm rispetto all'1.43 bpm del secondo classificato.
• Ricostruzione dell'Onda: Oltre all'accuratezza della HR, PhysFlow ha dimostrato una superiore fedeltà dell'onda. Sul dataset BUAA, ha ottenuto una Correlazione dell'Onda (Wave-Corr) di 0.95, un Errore di Fase (PE) di 0.12 e un SNR di 17.18, superando significativamente altri metodi nella preservazione della morfologia e della qualità spettrale.
• Generalizzazione tra Dataset: Nelle valutazioni cross-dataset (ad esempio, addestramento su NIRP e test su VIPL-HR), PhysFlow ha mantenuto le migliori prestazioni complessive, indicando una capacità di generalizzazione superiore tra diversi dispositivi di acquisizione e ambienti.
• Efficienza: Nonostante non abbia il minor numero di parametri, PhysFlow ha dimostrato il throughput più elevato (63.74 Kps) e il tempo di inferenza più basso (13.63 ms) su una GPU NVIDIA RTX 4090 tra i metodi confrontati, validando la sua idoneità per l'implementazione in tempo reale.

Significatività e Rivendicazioni
Il documento sostiene che PhysFlow rappresenti un progresso significativo nella stima rPPG affrontando esplicitamente l'intreccio tra segnali fisiologici e disturbi ambientali. Separando il segnale nelle sue componenti di tendenza e ampiezza e modellandole con campi di velocità specializzati, il metodo migliora la robustezza senza sacrificare l'efficienza. Gli autori sottolineano che una precisa stima della HR non garantisce necessariamente il recupero fedele dell'onda; pertanto, il loro focus sulla fedeltà morfologica fornisce una valutazione più completa della qualità rPPG.

Gli autori riconoscono modestamente i limiti, notando che la complessità attuale del modello potrebbe ostacolare l'implementazione leggera e che i cut-off di frequenza fissi nella strategia di decomposizione potrebbero limitare la flessibilità in presenza di frequenze cardiache anormali o movimenti estremi. Il lavoro futuro proposto mira a sviluppare framework di estrazione delle caratteristiche più leggeri e strategie di decomposizione adattive.