InertiaMPDD: Multimodal Personalized Depression Detection via Emotional Inertia-Inspired Dynamics Modeling

AI 摘要

研究团队提出 InertiaMPDD 方法，利用语音、视觉行为和语言等多模态数据筛查抑郁风险。该方法受情绪惯性（情绪状态的持续性）启发，借助预训练多模态表征和类似世界模型的潜在预测器学习健康状态下的下一状态模式，并构建参考偏差、残差衰减率和雅可比谱描述符作为候选生物标志物，用于独立筛查和个性化决策校正。在来自四个数据集的五个队列上测试，融合方法在 D-Vlog 上 F1 达 98.41%，在 LMVD 上为 84.98%；独立描述符在 MPDD 上优于固定加性融合，但在 AVEC2014 上区分能力较弱。