1.Remote_Photoplethysmography_in_Real-World_and_Extreme_Lighting_Scenarios 室外与极端光照场景下的远程光电容积描记（rPPG）
1.1 技术路线
面向真实室外与极端光照场景，构建仅依赖 RGB 可见光的端到端视频 Transformer 框架。输入自然视频后，按人脸关键点将皮肤划分为多个非重叠区域，据此构建时空图（STMap），同时构造背景时空图与全局时空图；随后由 U 形 Swin 视频 Transformer 编码，提取粗粒度与细粒度特征，以背景扰动为参考进行自监督解耦以去除外部干扰，最终经时空重建与细粒度回归输出 BVP 信号与心率。
1.2 创新点
一是首个仅利用 RGB 可见光即可在户外变光照条件下学习 rPPG 的方法，摆脱了对红外等辅助设备与高昂成本的依赖；二是提出"全局干扰共享＋背景扰动参考＋自监督解耦＋频域与生理先验约束"的策略组合，能稳健对抗未知复杂干扰；三是模型整体轻量，相比现有噪声解耦方法更易在终端灵活部署；四是全部学习支撑基于面部光学反射模型与特征映射相关性计算，不引入额外成像模态和过多分支模块。
1.3 如何实现
U 形 Swin Video Transformer 主干，双分支解耦：粗粒度时空重建分支 + 细粒度 rPPG 回归分支；同时用 PSD 功率谱对比约束做辅助训练
双任务目的：优化编码器
分支 1（重建）：特征经过 U 解码器 → 重建 BVP 时空图 → 计算重建 Loss → 反向更新编码器权重
任务 1 是重建「时空图张量」，然后拿重建出来的张量，去计算一个额外的损失项（重建损失 Loss_rec）。
分支 2（回归）：纯化特征送入时空回归模块 → 预测一维脉搏波形 → rPPG Loss → 更新编码器 + 回归头权重
先将 RGB 视频变换到 YUV 颜色空间，按 68 个关键点划分皮肤子块并求各区域平均像素，形成面部时空图；基于"心率 40--240 bpm"的生理先验，用滑动窗口增强（BioSE）放大细微色差与尖峰特征，并与原始时空图拼接为 6 通道输入；背景时空图作为参考，通过 Softmax 注意力构造细粒度张量，并结合潜对比学习损失拉远、推近人脸与背景中相关子块以完成解耦；以时空重建损失（用真值堆叠重建 STMap）实现由粗到细的感知，细粒度回归采用时域反卷积网络并以皮尔逊相关作为损失；频率约束聚焦 0.66--4 Hz，总损失为 0.5 倍重建损失加 0.5 倍对比损失加回归损失，并将 Swin 的窗口移动改为空间移动以保持皮肤时序连续性。
2.rPPG-VQA A Video Quality Assessment Framework for Unsupervised rPPG（rPPG-VQA：面向无监督 rPPG 训练的视频质量评估框架）
2.1 技术路线
面向无监督 rPPG 训练，构建双分支视频质量评估框架。信号级分支以多种 rPPG 算法的一致性融合信噪比（SNR），评估视频中生理信号的完整性；场景级分支利用多模态大语言模型（MLLM）识别头部运动、光照、皮肤与相机等场景干扰；两支分数融合为统一质量分，再由两阶段自适应采样（TAS）从大规模无标注语料中筛选最优训练数据集。
融合意义：信号级分支能识破：看着稳定但没有生理信号的假视频（如 AI 生成人脸）；场景级分支能识破：有周期闪光导致 SNR 虚高的伪信号。二者结合才构成完整判断
2.2 创新点
一是首次系统研究无监督 rPPG 的视频质量评估问题，将关注点从"人眼感知质量"转向"生理信号完整性"；二是提出信号级与场景级双分支联合评估，弥补单一 SNR 指标易被闪光等非生理干扰欺骗的缺陷；三是提出两阶段自适应采样策略，以质量分为依据从无标注视频中构造高质量且多样的训练集；四是验证了经筛选的大规模 in-the-wild 数据能显著提升无监督 rPPG 模型的精度。
2.3 如何实现
信号级分支融合 GREEN、ICA、CHROM、LGI、PBV、POS、OMIT 七种传统方法，分别提取 rPPG 信号并计算 SNR；用 RANSAC 求得共识心率频率，以频率一致性权重与谱相关权重对各方法加权，得到信号级分数；场景级分支用 Qwen3-VL 按头部运动（0--3）、光照（0--3）、皮肤（0--2）、相机（0--2，乘以帧率补偿因子）四个维度打分并求和；两分支分数经 IQR（四分法） 去异常与 min-max 归一化后，按 α=0.8 加权得到统一质量分；采样阶段先按质量分排序取前 η 倍候选集，再以同时计入质量与时长（log 调整因子）的 softmax 概率采样，结合随机取整构造目标训练集（140 段视频）。
补充：RANSAC:
3. Ying_FusionPhys_A_Flexible_Framework_for_Fusing_Complementary_Sensing_Modalities_in_ICCV_2025_paper FusionPhys：互补传感模态融合的远程生理测量框架
3.1 技术路线
将可见光、近红外、雷达等不同物理原理的传感模态统一建模为随时间变化的生理信号，通过自适应整合机制精化各模态的互补信息。各模态先做特征预提取并对齐到统一形状、加入可学习的模态类型嵌入，随后拼接并输入堆叠的生理交互块（PIB）进行跨模态交互，最后对模态维度取平均并经预测器输出 BVP 信号；对单模态视频则通过子模态分解扩展同一融合思想。
3.2 创新点
一是提出统一建模框架，将可见光/近红外/雷达的融合形式化为自适应整合机制（受 McGurk 效应启发，模态可经调制因子相互精化）；二是提出子模态分解技术，将融合原理扩展到单模态视频，统一了多模态与单模态两种场景，无需针对不同模态改动架构；三是设计生理交互块，基于多层小波变换动态生成调制矩阵，实现对异构模态特征的自适应精化与互补信息整合。
3.3 如何实现
可见光/近红外输入经子模态分解（步长为 (1,2,2) 的卷积组与空间展平）得到多子模态浅层特征；雷达信号经一维卷积编码器并降采样到统一时序；各模态特征加入可学习模态类型嵌入后按维拼接，得到 Z∈R^(D×T×K)；Z 经过 4 个生理交互块得到融合特征：块内先做维度扩展，再用多层 Haar 小波提取各尺度的近似与细节系数，经共享全连接层与交错复制得到调制矩阵，与基础特征做哈达玛积后恢复维度；最后对模态维度平均、经逐点卷积预测器输出 BVP，采用负皮尔逊损失训练，并在 UBFC-rPPG、PURE、MMSE-HR、EquiPleth、OBF 五个数据集上验证了融合与单模态场景的性能。
补充：多级小波变换同时拿到时间 + 频率局部信息 ，用一个叫小波基函数的小波形（小波），在信号上滑动、缩放，和原信号做内积，提取局部时频特征。