La fotopletismografía (PPG) contiene varias informaciones relacionadas con las enfermedades cardiovasculares (CVD). La PPG remota (rPPG) es un método que puede medir una señal de PPG utilizando una imagen facial tomada con una cámara, sin un dispositivo PPG. Los métodos de rPPG basados en el aprendizaje profundo se pueden clasificar en tres categorías principales. Primero, hay un enfoque de CNN 3D que utiliza un video de imagen facial como entrada, el cual se centra en los cambios espacio-temporales en el video facial. El segundo enfoque es un método que utiliza un mapa espacio-temporal (STMap), y la imagen de video se preprocesa utilizando el punto donde es más fácil analizar los cambios en el flujo sanguíneo en orden temporal. El último enfoque utiliza un modelo de preprocesamiento con un modelo de reflexión dicromático. Este estudio propuso el concepto de una red de proyección de ejes (APNET) que complementa las desventajas, en las que el método de CNN 3D requiere una memoria significativa; el método STMap requiere un método de preprocesamiento; y el método de modelo de reflexión dicromático (DRM) no aprende las características temporales a largo plazo. También mostramos que el APNET propuesto redujo efectivamente el tamaño de la memoria de la red, y que la señal de baja frecuencia se observó en la señal de PPG inferida, lo que sugiere que puede proporcionar resultados significativos al estudio al desarrollar el algoritmo rPPG.