融合多头自注意力机制的无接触心率估计模型

为了在光照变化和头部运动条件下实现准确稳定的无接触心率估计,基于U-Net模型提出一种融合多头自注意力机制的端到端心率估计模型rPPG-UNet。该模型通过使用U型编码器—解码器网络结构实现对生理特征的提取与重建,并使用Skip Connection连接编码器与解码器实现浅层时间特征的复用。该模型还融合多头自注意力机制来捕获生理特征的时间依赖性。最后,该模型采用多任务学习策略以提高心率估计的准确度,加速网络训练。在公开数据集上的实验结果表明,rPPG-UNet的性能优于其他基线模型,可以实现更准确的无接触心率估计。     

多步旋涂CsPbBr3薄膜复光学常数的椭偏光谱研究

为了研究多步旋涂法制备的CsPbBr₃薄膜的光学常数，以溴化铅和溴化铯为原料，采用多步旋涂法在硅和FTO衬底上制得CsPbBr₃薄膜。利用光弹调制式椭偏光谱仪对硅衬底上的薄膜进行了椭偏光谱分析，使用Tanguy和Tauc-Lorentz 3组合模型对变角度的椭偏光谱进行参数拟合，得到了薄膜光学常数在1.00 eV～5.00 eV范围内的色散关系，并利用荧光发射光谱、吸收谱验证椭偏拟合结果。结果表明，多步旋涂法制备的CsPbBr₃薄膜的光学常数与其它方法相比具有一定的差异性，其中折射率可能与薄膜表面粗糙度呈负相关；椭偏拟合所得带隙为2.3 eV,验证了荧光光谱、吸收谱的计算结果。该研究为多步旋涂法制备的CsPbBr₃薄膜椭偏光谱拟合分析提供了参考。