RhythmFormerの説明：遠隔フォトプレチスモグラフィーにおける周期的スパース注意の体系的なXAI分析
本論文は、rPPG Transformerの説明可能性の不足に対処するため、定量的な評価フレームワークを導入する。著者らは4つの帰属手法をRhythmFormerの二層ルーティング注意に適用し、皮膚被覆率指標を提案し、SaCo忠実度係数をrPPG回帰に拡張した。スパースtop-kルーティング下でのマルチホップ漏洩効果を明らかにし、Beyond Intuitionがそれを軽減し、UBFC-rPPGで最高の皮膚被覆率（0.83）と忠実度（F=0.92）を達成した。この研究は、rPPG XAIを監査可能な数値証拠へと前進させる。
遠隔フォトプレチスモグラフィー（rPPG）は、ビデオ分析を通じて心拍数を推定する技術であり、近年Transformerモデルがベンチマークで優れた性能を示している。しかし、これらのモデルの意思決定プロセスは不透明であり、rPPGが臨床応用に近づくにつれて説明可能性が重要な課題となっている。既存の説明可能AI（XAI）手法は主に定性的なヒートマップ検査に依存し、定量的な忠実度指標や生理学的検証が欠如している。このギャップに対処するため、Louis Chen氏とTorbjörn E. M. Nordling氏は最新の論文で体系的なXAI評価フレームワークを提案した。
研究チームはまず、4つの帰属手法（生注意、注意ロールアウト、注意フロー、Beyond Intuition）をRhythmFormerの二層ルーティング注意機構に適応させた。この機構はtop-kのスパース選択を採用しており、解釈をより困難にしている。次に、皮膚領域にどれだけの帰属重みが集中しているかを定量化する皮膚被覆率指標を導入し、説明を生理学的知識と整合させた。第三に、分類タスク向けのSaCo忠実度係数をrPPG回帰に拡張し、元の予測と摂動後の予測rPPG波形間の平均絶対誤差（MAE）を摂動影響として使用した。
これらのツールを適用した結果、スパースtop-kルーティング下でのマルチホップ漏洩効果が定量的に明らかになった。注意ロールアウトとフローは、各精錬注意層が明示的にゼロにした接続をほぼ完全に復元していた。これは、単純な帰属手法が非皮膚領域への依存を過大評価する可能性を示している。対照的に、Beyond Intuitionは値投影加重ロールアウトと勾配マスクによりこの問題を軽減し、UBFC-rPPGデータセットで最高の精錬皮膚被覆率（0.83、標準ロールアウトは0.57）と忠実度（F=0.92）を達成した。
結果は有望だが、著者らはより多様なデータセットとモデル変種での検証が必要であると強調している。低SaCo異常値のケーススタディでは、アーティファクト領域を置換した後、4つの手法すべてが一貫して回復し、この事例では帰属ファミリー間で一貫したSaCo挙動が示された。これらの指標は、空間的整合性と摂動忠実性に関する監査可能な数値証拠を提供し、信頼できるrPPG XAIへの一歩となる。