BioGait-VLM：面向可解释临床步态评估的三模态视觉语言生物力学框架
计算机视觉与模式识别
2026-03-10 v1
摘要
基于视频的临床步态分析常因模型过拟合环境偏差，而未能捕捉病理运动。为此，我们提出BioGait-VLM，一个用于可解释临床步态评估的三模态视觉语言生物力学框架。不同于标准视频编码器， our 框架包含时序证据蒸馏分支以捕捉节律动力学，以及生物力学分词分支将 3D 骨架序列投影到语言对齐的语义标记。这使模型能够独立于视觉捷径，显式推理关节力学。为确保严格的基准测试，我们将公开的 GAVD 数据集增强，加入高保真的退行性颈部脊髓畸形（DCM）队列，构建统一的 8 类别分类体系，确立严格的受试者不相交协议以防止数据泄漏。在此设置下，BioGait-VLM 实现了最先进的识别准确率。此外，盲测专家研究确认，生物力学标记显著提高了临床可信度和证据依托，为通透、隐私增强的步态评估提供了路径。
引用
@article{arxiv.2603.08564,
title = {BioGait-VLM: A Tri-Modal Vision-Language-Biomechanics Framework for Interpretable Clinical Gait Assessment},
author = {Erdong Chen and Yuyang Ji and Jacob K. Greenberg and Benjamin Steel and Faraz Arkam and Abigail Lewis and Pranay Singh and Feng Liu},
journal= {arXiv preprint arXiv:2603.08564},
year = {2026}
}