基于LLM的视觉-语义抽取测试绘画抑郁评估方法
计算机视觉与模式识别
2025-08-08 v1 人工智能
摘要
抽取测试（DPT）是艺术治疗中的重要工具，允许心理学家通过参与者的草图来评估其心理状态。具体而言，通过以“一个人从树上摘苹果（PPAT）”为主题的草图，可以揭示参与者是否处于抑郁等心理状态。与量表评估相比，DPT能够丰富心理学家对个体心理状态的理解。然而，PPAT的解读工作量大大依赖于心理学家的经验。为此，我们提出一种有效的识别方法，以支持心理学家进行大规模自动化DPT。不同于传统草图识别，DPT更侧重于整体评估草图，如颜色使用和空间利用。此外，PPAT设有时间限制且禁止口头提醒，导致绘画准确性低、细节描绘不足。为此，我们提出以下措施：（1）为自动化分析PPAT草图提供抑郁评估的实验环境；（2）提出一种基于LLM的视觉-语义抑郁评估方法（VS-LLM）；（3）实验结果表明，我们的方法相较于心理学家评估方法提高了17.6%。我们预计本工作将为基于PPAT草图元素识别的心理状态评估研究作出贡献。我们的数据集和代码已公开于https://github.com/wmeiqi/VS-LLM。
引用
@article{arxiv.2508.05299,
title = {VS-LLM: Visual-Semantic Depression Assessment based on LLM for Drawing Projection Test},
author = {Meiqi Wu and Yaxuan Kang and Xuchen Li and Shiyu Hu and Xiaotang Chen and Yunfeng Kang and Weiqiang Wang and Kaiqi Huang},
journal= {arXiv preprint arXiv:2508.05299},
year = {2025}
}