本論文では、ストレス検出の主要信号である電気皮膚活動（EDA）が、高価なハードウェアを必要とし、実際のウェアラブルデバイスでは利用できないことに対処するために、PULSEというフレームワークを提案しています。このフレームワークでは、自己教師ありの前訓練中のみEDAを使用し、推論ではECG、BVP、ACC、TEMPなどのより手に入れやすいモダリティを利用します。エンコーダー出力を共有埋め込みとプライベート埋め込みに分け、共有埋め込みをモダリティ間で整列させ、融合させてモダリティ不変な表現を生成します。その後、固定されたEDA教師が学生エンコーダーに交感神経覚醒表現を転送する知識移転を行います。WESADデータセットを用いた実験で、本手法は強力なストレス検出性能を示し、特権的なEDAの表現が低コストセンサーに移転され、精度が向上しながらハードウェアコストが削減されることを示しています。