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

Resumo Técnico de PhysFlow: Fluxo Retificado com Desacoplamento de Frequência para Fotopletismografia Remota

Definição do Problema
A fotopletismografia remota (rPPG) permite a estimativa sem contato de sinais vitais, como a frequência cardíaca, através da análise de sutis variações de cor e intensidade em vídeos faciais. No entanto, os métodos atuais de aprendizagem profunda enfrentam dificuldades em cenários complexos e não controlados, caracterizados por variações de iluminação, expressões faciais e movimentos de cabeça. Nesses ambientes, os sinais fisiológicos sutis são frequentemente sobrecarregados por interferências externas. Os autores identificam uma limitação primária nas abordagens existentes: a maioria dos métodos modela o sinal de rPPG de maneira unificada, onde diferentes componentes do sinal (por exemplo, variações relacionadas ao pulso e mudanças induzidas por distúrbios) são acoplados durante a reconstrução. Esse acoplamento torna difícil preservar as variações fracas relacionadas ao pulso quando existem distúrbios fortes. Além disso, os métodos existentes frequentemente dependem de denoising iterativo (por exemplo, modelos de difusão), o que leva a uma alta latência computacional, e frequentemente priorizam a precisão da frequência cardíaca (HR) em detrimento da fidelidade morfológica da forma de onda reconstruída.

Metodologia: PhysFlow
Para enfrentar esses desafios, os autores propõem o PhysFlow, um framework de fluxo retificado de campo duplo com desacoplamento de frequência. A inovação central reside na separação da modelagem do sinal de rPPG em componentes distintos, em vez de tratá-lo como um todo unificado.

1. Decomposição no Domínio da Frequência (FDD):
   O sinal de rPPio de verdade (ground-truth) é decomposto em dois alvos de supervisão distintos:

   • Componente de Tendência (Trend Component): Captura o perfil de forma de onda de variação lenta (baixa frequência).
   • Componente de Amplitude (Amplitude Component): Preserva variações finas relacionadas ao pulso dentro da faixa plausível de frequência cardíaca.
     Esta decomposição é realizada usando uma RFFT (Transformada Rápida de Fourier Real) com máscaras específicas de baixa frequência e passa-faixa, seguida por uma transformada inversa (IRFFT).

2. Framework de Fluxo Retificado de Campo Duplo:
   Em vez de usar esses componentes meramente como pistas auxiliares, o PhysFlow os trata como alvos de geração explícitos. O framework aprende dois campos de velocidade condicionais separados:

   • Cabeça de Tendência (Trend Head): Projetada para modelar a tendência suave de baixa frequência. Ela utiliza uma abordagem de reconstrução de base (usando bases espectrais e polinomiais) para impor suavidade e suprimir flutuações desnecessárias de alta frequência.
   • Cabeça de Amplitude (Amplitude Head): Projetada para modelar as variações relacionadas ao pulso, que são mais sensíveis a distúrbios dependentes do vídeo. Ela utiliza um preditor temporal consciente de condições incorporando modulação FiLM, convoluções temporais dilatadas e reponderação Squeeze-and-Excitation (SE) para capturar dependências temporais complexas.
     Ambas as cabeças são guiadas por características extraídas do vídeo de entrada via um Bloco Transformer Periódico, que inclui uma característica global compartilhada por ambos os ramos e características de orientação específicas de cada componente.

3. Inferência Eficiente via Fluxo Retificado:
   Ao contrário dos modelos de difusão tradicionais que exigem denoising iterativo, o PhysFlow utiliza a formulação de Fluxo Retificado. Ele aprende um campo de velocidade para transportar amostras de um estado latente inicializado por Gauss a partir de um estado de tendência e amplitude alvo ao longo de um caminho de linha reta. Durante a inferência, o sinal de rPPG final é reconstruído integrando equações diferenciais ordinárias (ODEs) com apenas alguns passos (por exemplo, 4 passos), reduzindo significamente o overhead computacional.

Principais Contribuições

• Arquitetura de Campo Duplo: O artigo propõe um novo framework que desacopla os componentes de tendência e amplitude do sinal de rPPG, modelando-os através de dois campos de velocidade condicionais distintos para reduzir a interferência mútua.
• Decomposição de Supervisão Explícita: Uma estratégia de decomposição no domínio da frequência é introduzida para derivar alvos de supervisão explícitos para os componentes de tendência e amplitude, permitindo que a decomposição participe ativamente do processo generativo em vez de servir apenas como um auxílio post-hoc.
• Reconstrução Eficiente e Robusta: Ao utilizar o fluxo retificado, o método alcança uma reconstrução de forma de onda de alta qualidade com um número mínimo de passos de integração de ODE, abordando os problemas de latência das abordagens baseadas em difusão, ao mesmo tempo em que melhora a robustez contra distúrbios complexos.

Resultados Experimentais
Os autores avaliaram o PhysFlow em quatro conjuntos de dados de referência: BUAA-MIHR (baixa iluminação), VIPL-HR (diversos movimentos e iluminação), NIRP-DRV (cenários de direção) e NIRP-IND (direção em ambientes internos).

• Estimativa de Frequência Cardíaca: O PhysFlow alcançou desempenho de estado da arte em todos os conjuntos de dados. Por exemplo, no desafiador conjunto de dados NIRP-DRV, alcançou um RMSE de 5,93 bpm, superando o melhor anterior (PHASE-Net) de 6,23 bpm. No conjunto de dados BUAA-MIHR, reduziu o RMSE para 1,17 bpm comparado aos 1,43 bpm do segundo colocado.
• Reconstrução de Forma de Onda: Além da precisão da HR, o PhysFlow demonstrou fidelidade superior da forma de onda. No conjunto de dados BUAA, alcançou uma Correlação de Forma de Onda (Wave-Corr) de 0,95, um Erro de Fase (PE) de 0,12 e um SNR de 17,18, superando significativamente outros métodos na preservação da morfologia e qualidade espectral.
• Generalização entre Conjuntos de Dados: Em avaliações de cross-dataset (por exemplo, treinando no NIRP e testando no VIPL-HR), o PhysFlow manteve o melhor desempenho geral, indicando capacidades de generalização superiores entre diferentes dispositivos de aquisição e ambientes.
• Eficiência: Apesar de não possuir o menor número de parâmetros, o PhysFlow demonstrou o maior throughput (63,74 Kps) e o menor tempo de inferência (13,63 ms) em uma GPU NVIDIA RTX 4090 entre os métodos comparados, validando sua adequação para implantação em tempo real.

Significância e Alegações
O artigo afirma que o PhysFlow representa um avanço significativo na estimativa de rPPG ao abordar explicitamente o emaranhamento de sinais fisiológicos e distúrbios ambientais. Ao separar o sinal em componentes de tendência e amplitude e modelá-los com campos de velocidade especializados, o método melhora a robustez sem sacrificar a eficiência. Os autores enfatizam que a estimativa precisa de HR não garante a recuperação fiel da forma de onda; portanto, seu foco na fidelidade morfológica proporciona uma avaliação mais abrangente da qualidade do rPPG.

Os autores reconhecem modestamente as limitações, observando que a complexidade atual do modelo pode dificultar a implantação leve e que os cortes de frequência fixos na estratégia de decomposição podem limitar a flexibilidade sob frequências cardíacas anormais ou movimentos extremos. Um trabalho futuro é proposto para desenvolver frameworks de extração de características mais leves e estratégias de decomposição adaptativas.