科研动态
2025-09-08
远程生理信号监测技术正在突破传统的接触式监测方式，而其中的“心率监测”正引领着这一革命。我们最新的研究提出了“PhysDiff”模型，利用生理动态性解耦扩散模型，成功提升了远程光学脉搏信号（rPPG）的测量精度。通过巧妙地分离和重建脉搏信号中的“趋势”和“幅度”动态特征，我们的模型能更精确地反映血管的扩张和收缩状态，从而有效克服了复杂环境中的噪声影响。加入扩散模型的强大处理能力后，我们的技术不仅在多个公开数据集上表现优异，还能适应复杂多变的真实噪声场景。一起见证这一远程生理监测技术的新突破吧！
2025年2月，在美国费城举办的人工智能领域顶级会议——AAAI（Association for the Advancement of Artificial Intelligence）会议上，本实验室2023级博士研究生钱威作为第一作者的论文入选Oral报告（排名前4.6%）。该论文本实验室郭丹教授为通讯作者，标志着本实验室在该人工智能领域的科研实力及创新能力得到了国际认可。
论文简介：
论文标题：
PhysDiff: Physiology-based Dynamicity Disentangled Diffusion Model for Remote Physiological Measurement
论文作者：
Wei Qian, Gaoji Su, Dan Guo, Jinxing Zhou, Xiaobai Li, Bin Hu, Shengeng Tang, Meng Wang
论文链接：
https://ojs.aaai.org/index.php/AAAI/article/view/32704
图 1 方法概览图
本研究提出了一种名为PhysDiff的生理检测扩散模型，旨在通过生理学动态性解耦策略提升远程生理信号（rPPG）的估计精度。通过将rPPG信号解耦为趋势和幅度两个动态特征，我们能够更精准地捕捉血管扩张与收缩过程中的生理动态，进而提高信号的还原效果。实验结果表明，PhysDiff在多种复杂场景下均显著优于现有方法，特别是在头部运动和光照变化等噪声影响较大的情况下，表现出卓越的鲁棒性。与现有方法相比，PhysDiff在多个公开数据集上均取得了领先的性能，证明了其在实际应用中的广泛适用性和高效性。
AAAI是人工智能领域中历史最悠久、涵盖内容最广泛的的国际顶级学术会议之一。在中国计算机学会的国际学术会议排名中，AAAI被列为人工智能领域的A类顶级会议。据悉，AAAI 2025共收到12957份论文投稿，最终录用3032篇论文，录用率仅为23.4%。
情感计算与先进智能机器安徽省重点实验室
转载自合工大计算机学院官方微信公众号
2025年9月8日
实验室概况
安徽省合肥市蜀山区丹霞路485号（合肥工业大学翡翠湖校区)
aflab_hfut@163.com