检索增强的多模态抑郁症检测
Retrieval-Augmented Multimodal Depression Detection
AI总结：
针对多模态抑郁症检测中计算成本高、领域不匹配及静态知识局限的问题，提出RAG框架，利用LLM生成情感提示作为辅助模态，在AVEC 2019数据集上达到CCC 0.593和MAE 3.95的最优性能。
摘要：
多模态深度学习通过整合文本、音频和视频信号在抑郁症检测中展现出潜力。近期研究利用情感分析来增强情感理解，但存在计算成本高、领域不匹配和静态知识局限性等问题。为解决这些问题，我们提出了一种新颖的检索增强生成（RAG）框架。给定一段与抑郁相关的文本，我们的方法从情感数据集中检索语义相关的情感内容，并使用大型语言模型（LLM）生成情感提示作为辅助模态。该提示丰富了情感表示并提高了可解释性。在AVEC 2019数据集上的实验表明，我们的方法实现了最先进的性能，CCC为0.593，MAE为3.95，超越了以往的迁移学习和多任务学习基线。
英文摘要：
Multimodal deep learning has shown promise in depression detection by integrating text, audio, and video signals. Recent work leverages sentiment analysis to enhance emotional understanding, yet suffers from high computational cost, domain mismatch, and static knowledge limitations. To address these issues, we propose a novel Retrieval-Augmented Generation (RAG) framework. Given a depression-related text, our method retrieves semantically relevant emotional content from a sentiment dataset and uses a Large Language Model (LLM) to generate an Emotion Prompt as an auxiliary modality. This prompt enriches emotional representation and improves interpretability. Experiments on the AVEC 2019 dataset show our approach achieves state-of-the-art performance with CCC of 0.593 and MAE of 3.95, surpassing previous transfer learning and multi-task learning baselines.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
