arXiv cs.CL· Guimin Hu, Zihao Song, Jiachen Luo, Jiayuan Xie, Ruichu Cai·· 9 天前AI 评分22
BehavDep：从稀疏表示到行为洞察的多模态抑郁评估框架
From Sparse Representations to Behavioral Insights for Multimodal Depression Assessment
AI 导读
BehavDep 是一个基于稀疏因子的多模态抑郁评估框架，将多模态行为表示分解为稀疏潜在因子，并通过语义桥与具有行为意义的概
正文 · AI 翻译
摘要：多模态抑郁评估为分析与抑郁相关的行为模式提供了一种有前景的方法。然而，现有方法往往依赖稠密且不透明的多模态表示，使得其预测所依据的行为模式难以解释。在这项工作中，我们提出了 BehavDep，一个基于稀疏因子的框架，它将多模态行为表示分解为稀疏潜在因子，并通过语义桥梁将它们与具有行为意义的概念相关联。为解决用户级标注与异构视频级行为之间的不匹配问题，BehavDep 进一步在弱监督下学习视频级抑郁倾向分数，并聚合多次观察的信息以进行用户级评估。大量实验表明，BehavDep 在取得最佳整体评估性能的同时，还揭示了互补的模态贡献、跨观察的异构行为模式，以及对概念级编辑的预测响应。这些结果表明，BehavDep 为分析用于抑郁评估的多模态行为表示提供了一种结构化且可解释的方法。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.11787 [cs.CL] |
| （或 arXiv:2610.11787v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11787 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Guimin Hu [查看邮箱]
[v1]
2026年10月8日星期四 12:03:06 UTC（1,705 KB）
来源：arXiv cs.CL · arxiv.org