LMVD：面向抑郁症的大规模多模态 vlog 数据集
计算机视觉与模式识别
2024-07-02 v1 人工智能
多媒体
摘要
抑郁症会显著影响个体生活的许多方面，包括个人和社会功能、学术和工作表现以及整体生活质量。在情感计算领域的许多研究人员正在采用深度学习技术来探索与抑郁检测相关的潜在模式。然而，由于 subjects 的隐私保护 concerns，该领域的数据仍然稀缺，这给用于检测抑郁的深度判别模型带来了挑战。为应对这些障碍，构建了一个用于野外抑郁识别的大规模多模态 vlog 数据集（LMVD）。在 LMVD 中，包含 1823 个样本，来自四个多媒体平台（新浪微博、Bilibili、Tiktok 和 YouTube）的 1475 名参与者的 214 小时的录像。提出了一种名为 MDDformer 的新型架构，用于学习个体的非语言行为。对 LMVD 数据集进行了广泛的验证，表明在抑郁检测方面表现优异。我们预计 LMVD 将为抑郁检测社区提供有价值的功能。该数据和代码将在链接 https://github.com/helang818/LMVD/ 上发布。
引用
@article{arxiv.2407.00024,
title = {LMVD: A Large-Scale Multimodal Vlog Dataset for Depression Detection in the Wild},
author = {Lang He and Kai Chen and Junnan Zhao and Yimeng Wang and Ercheng Pei and Haifeng Chen and Jiewei Jiang and Shiqing Zhang and Jie Zhang and Zhongmin Wang and Tao He and Prayag Tiwari},
journal= {arXiv preprint arXiv:2407.00024},
year = {2024}
}