阅读笔记

以下为个人阅读笔记，原文见 arXiv:2509.24850v3。

PHASE-Net：基于物理原理的远程光电容积脉搏波测量深度解读

论文 ID: 2509.24850v3
标题: PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement
作者: Bo Zhao, Dan Guo, Junzhe Cao, Yong Xu, Bochao Zou, Tao Tan, Yue Sun, Zitong Yu
来源: arXiv (2026)

1. 研究背景与动机

远程光电容积脉搏波（Remote Photoplethysmography, rPPG）技术能够通过普通摄像头非接触地监测心率等生理信号，在个人健康追踪、驾驶员监控等领域具有巨大潜力。然而，rPPG 信号极其微弱，极易受到头部运动、面部表情变化及环境光照波动等噪声的干扰，导致测量精度下降。

现有的基于深度学习的方法虽然性能优于传统信号处理技术，但存在两个核心缺陷：

1. 启发式设计（Heuristic）：网络架构多基于经验试错，缺乏对生理信号内在物理规律的深刻理解。
2. 黑盒特性（Black-box）：缺乏理论支撑，导致模型在未见条件下的泛化能力弱，且难以解释其决策过程。

针对上述问题，本文提出了一种物理信息驱动的 rPPG 范式（Physics-informed rPPG paradigm），旨在从第一性原理出发，构建一个既具有理论严谨性又具备高效部署能力的模型——PHASE-Net。

2. 核心理论突破：从纳维 - 斯托克斯方程到 TCN

本文最核心的贡献在于建立了生理动力学与神经网络架构之间的理论桥梁。作者没有将模型视为纯粹的数据拟合工具，而是从流体力学的**纳维 - 斯托克斯方程（Navier-Stokes equations）**出发，推导血液动力学的物理模型。

2.1 物理建模推导

通过严谨的数学推导，论文揭示了局部脉搏波动力学在物理上可以描述为一个二阶阻尼谐振子模型（second-order damped harmonic oscillator model）。

• 物理观察模型：基于比尔 - 朗伯定律（Beer–Lambert law）和血管顺应性，像素强度的变化 $\Delta I(t)$ 与皮下血容量变化 $\Delta V(t)$ 及局部血压脉动 $\Delta p(t)$ 成正比。
• 动力学方程：脉搏信号 $z(t)$ 遵循二阶微分方程。
• 离散化等价：该物理模型的离散时间解在形式上等价于一个因果卷积算子（causal convolution operator）。

这一发现为使用**时间卷积网络（Temporal Convolutional Network, TCN）**作为核心动态建模模块提供了无可辩驳的理论依据，赋予了模型强大的、符合物理规律的归纳偏置（inductive bias）。

3. PHASE-Net 网络架构概览

PHASE-Net 是一个轻量级模型，其整体架构如图所示。该图展示了从视频输入到脉搏信号输出的完整流程，包括视觉编码器、自适应空间滤波器和门控 TCN 模块。

图注：PHASE-Net 整体架构概览。摘自 PDF 第 3 页嵌入图（对应论文 Figure 1）。

架构主要包含三个部分：

1. Vision Encoder（视觉编码器）：由堆叠的高效时空块（ESTBlock）组成，用于从视频输入中提取时空特征。
2. Adaptive Spatial Filter（自适应空间滤波器，ASF）：对特征进行空间滤波和差分操作，增强信号区域并抑制噪声。
3. Gated TCN（门控时间卷积网络，GTCN）：基于物理推导的因果卷积结构，用于建模长程时间动态以恢复脉搏信号。

4. 关键模块深度解析

PHASE-Net 的创新性体现在其三个关键组件的设计上，这些组件共同解决了跨区域特征交互、空间噪声抑制和长时序建模问题。

4.1 零 FLOPs 轴向交换器（Zero-FLOPs Axial Swapper, ZAS）

在视觉编码器的 ESTBlock 中，引入了 ZAS 模块。

• 功能：对少量空间通道进行交换或转置操作。
• 目的：在不改变时间顺序的前提下，混合远距离的面部区域，增强跨区域特征交互（cross-region feature interaction）。
• 优势：该操作是可逆的，且不增加计算量（Zero-FLOPs），有效加强了长距离空间依赖关系。

4.2 自适应空间滤波器（Adaptive Spatial Filter, ASF）

该模块旨在处理空间上的噪声干扰。

• 软掩码学习：为每一帧学习一个软空间掩码（soft spatial mask），突出富含信号的面部区域，抑制噪声。
• 时空聚合：不仅进行空间聚合，还计算一阶时间导数，并将其与聚合特征拼接。
• 效果：编码了局部脉搏动力学，显著提升了模型在复杂现实条件下的鲁棒性。

4.3 门控时间卷积网络（Gated TCN, GTCN）

这是基于物理推导的核心模块。

• 结构：因果膨胀 TCN（causal dilated TCN）结合门控机制（gating）。
• 门控设计：使用 tanh 和 sigmoid 门进行特征融合。
• 作用：精确建模长程时间动态（long-range temporal dynamics），确保脉搏信号恢复的准确性。其结构直接对应于前文推导的物理动力学离散解。

5. 实验结果与性能分析

论文在多个公共数据集上进行了广泛实验，验证了 PHASE-Net 的先进性和高效性。以下图表展示了部分实验对比与消融研究结果（摘自 PDF 第 15 页）。

图注：实验性能对比结果。摘自 PDF 第 15 页嵌入图。

图注：不同模块的消融实验分析。摘自 PDF 第 15 页嵌入图。

图注：模型效率与精度权衡分析。摘自 PDF 第 15 页嵌入图。

图注：复杂场景下的信号恢复可视化。摘自 PDF 第 15 页嵌入图。

图注：与其他 SOTA 方法的详细对比。摘自 PDF 第 15 页嵌入图。

实验结果表明：

1. SOTA 性能：PHASE-Net 在多个基准测试中达到了最先进（State-of-the-Art）的性能水平。
2. 高效性：在保持高性能的同时，模型架构极其轻量，适合实际部署。
3. 鲁棒性：得益于物理先验和 ASF 模块，模型在运动干扰和光照变化下表现稳定。

6. 总结与展望

PHASE-Net 提出了一种全新的 rPPG 建模范式，成功将流体力学第一性原理与深度学习架构相结合。

• 理论贡献：首次建立了生理动力学与因果卷积网络之间的理论联系，证明了 TCN 在 rPPG 任务中的物理合理性。
• 技术贡献：设计了 ZAS、ASF 和 GTCN 三个创新模块，兼顾了特征交互、噪声抑制和时序建模。
• 应用价值：提供了一个理论上严谨且工程上高效的解决方案，代码已开源（https://github.com/Alex036225/PhaseNet）。

这项工作表明，将物理原理融入神经网络设计，不仅能提升模型的可解释性，还能在数据稀缺或噪声复杂的场景下获得更好的泛化能力，为未来的生理信号监测研究提供了新的方向。