본 논문은 원격 맥파측정(rPPG) 기술의 측정 신뢰도를 향상시키기 위해 베이지안 신경망을 활용한 새로운 모델, Robust Fusion Bayesian Physiological Network (RF-BayesPhysNet)을 제안합니다. RF-BayesPhysNet은 변분 추론을 통해 계산 효율성을 유지하면서 동시에 알레아토릭(Aleatoric) 및 에피스테믹(Epistemic) 불확실성을 모두 모델링하여 복잡한 조명 변화 및 머리 움직임과 같은 다양한 환경에서도 안정적인 심박수 측정을 가능하게 합니다. 또한, 기존 rPPG 분야에 부재했던 불확실성 측정 지표로 스피어만 상관 계수, 예측 구간 적중률, 신뢰 구간 너비를 제안하고, UBFC-RPPG 데이터셋을 이용한 실험을 통해 제안 모델의 성능과 불확실성 추정 능력을 검증합니다. 기존 모델 대비 두 배의 파라미터만으로 MAE 2.56을 달성하며 우수한 성능을 보였고, 특히 저잡음 환경에서 불확실성 추정 성능이 뛰어남을 확인했습니다. 소스 코드는 공개적으로 제공됩니다.
