Modeling Multimodal Depression Diagnosis From the Perspective of Local Depressive Representation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Depression recognition is critical for early detection and treatment. Existing works focus on modeling coarse-grained multimodal representation to estimate the depression level. However, these approaches often overlook the inherent locality of depressive representation, resulting in weak and sparse depressive frames being overlooked. In addition, they neglect the inter modal correlations and intra-modal patterns of mood change, limiting the learning of multimodal complementary information. Therefore, we present a Locality-Aware Multimodal Depression (LAMD) recognition model. Specifically, LAMD contains three innovations: 1) Considering the sparsity of depressive features, we propose an Adaptive Temporal Attention (ATA) module to adaptively highlight keyframes with depressive features and suppress irrelevant frames. Additionally, we introduce Segment Information Sharing (SIS) strategy to overcome the limitation of inter-segment independence, enabling global awareness of depressive features within the whole segment. 2) We revisit the audio-video multimodal interaction from the perspectives of inter-modal correlation and intra-modal smoothness, introducing frame-level multimodal attention consistency constraints and smooth constraints. Furthermore, we propose a local cross attention to enhance the inter-modal interactions in adjacent time. 3) Extensive experiments on several datasets demonstrate that LAMD achieves superior performance, with up to 7.21 RMSE and 76.77% F1-score on the AVEC2014 and NJAD dataset, outperforming the prior art by a notable 0.22% and 1.88% margin, respectively. Moreover, visual analysis reveals that LAMD can adaptively perceive depressive keyframes and focus on fine-grained facial regions known for capturing subtle depressive expressions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle