CALM-BP：面向非接触血压估计的生理语义对齐方法
近日arXiv发布的研究提出CALM-BP框架，聚焦非接触血压估计中的语义对齐问题。该方法以远程光电容积脉搏波描记（rPPG）信号为基础，将同一观测窗口内的生理描述转化为受控语义接口，确保rPPG本身仍是主要血流动力学证据来源。团队同步构建了包含81名受试者的FlowBP-Set数据集，整合前额观测、同步血压标签与结构化生理提示。鉴于面部视频等敏感信息，该数据集暂不公开。
非接触生命体征监测正成为人机交互领域的研究热点。近日发表于arXiv的研究CALM-BP，聚焦于非接触血压估计中的语义对齐问题。传统的非接触血压估计主要依赖远程光电容积脉搏波描记（rPPG）等数值化信号处理管线，但这类方法对观测窗口为何可靠、不同生理线索应如何融合等问题缺乏显式的语义结构表达。
CALM-BP的核心贡献在于提出"观测匹配的生理语义对齐"思路。该方法将语言模型衍生出的先验约束在同一rPPG观测基础上构建，并通过可审计的先验契约加以约束，以避免血压标签或身份信息的泄漏。研究明确强调，语言在此并不充当新的生理证据来源，而是将rPPG描述符"语言化"为受控的语义接口，rPPG信号本身仍然是主要血流动力学证据来源。
为支撑这一研究，团队构建了FlowBP-Set数据集，整合了81名参与者前额部位的rPPG观测、同步血压标签以及结构化生理提示。研究者围绕主血压估计、跨数据集直接评估、语言实现消融以及观测不匹配对照等维度设计实验，以验证语言模块的价值在于组织当前的生理观测，而非充当任意的辅助文本。由于涉及面部视频与生理记录等敏感信息，FlowBP-Set目前不公开，作者表示可在符合伦理与机构审批的前提下考虑数据访问申请。
【空音视角】 从行业视角看，CALM-BP的研究思路对WiFi感知与非接触监测具有借鉴意义。它揭示了一个值得关注的趋势：当物理层信号（如rPPG、WiFi CSI）已提供主要生理证据时，语义层的引入应聚焦于"组织与解释"而非"替代证据"，这有助于提升模型的可解释性与可审计性。对空音而言，这一思路在呼吸监测、跌倒检测等场景中同样适用——多模态语义应作为信号融合的解释框架，与底层信道或生理证据形成清晰的责任分工。
—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 人机交互 原文链接：https://arxiv.org/abs/2608.21744
来源：arXiv 人机交互（查看原文）