一种利用超常刺激行为进行基于视频的神经多样性分类的新数据集
计算机视觉与模式识别
2025-08-25 v2
摘要
不同个体在对外部刺激做出反应时，其面部表情和动作在强度上存在差异，这在神经多样性个体中尤为明显。此类行为影响人们在整体健康、沟通和感官处理方面。可以负责任地利用深度学习来提高处理此任务的效率，并帮助医疗专业人员准确理解此类行为。在这项工作中，我们引入了 Video ASD 数据集——一个包含视频帧卷积和注意力图特征数据的数据集——以促进 ASD 分类任务的进一步发展。与许多近期使用 MRI 数据进行 ASD 分类的研究不同，后者需要昂贵的专用设备，我们的方法利用功能强大但相对实惠的 GPU、标准计算机设置和摄像机进行推理。结果表明，我们的模型有效地泛化并理解了儿童独特动作的关键差异。此外，我们在此数据上测试了基础模型，以展示运动噪声如何影响性能，以及对更多数据和更复杂标签的需求。
引用
@article{arxiv.2409.04598,
title = {A Novel Dataset for Video-Based Neurodivergent Classification Leveraging Extra-Stimulatory Behavior},
author = {Manuel Serna-Aguilera and Xuan Bac Nguyen and Han-Seok Seo and Khoa Luu},
journal= {arXiv preprint arXiv:2409.04598},
year = {2025}
}