LMVD: A Large-Scale Multimodal Vlog Dataset for Depression Detection in the Wild

抑郁症会严重影响个人生活的多个方面，包括个人和社交功能、学术和工作表现以及整体生活质量。情感计算领域的许多研究人员正在采用深度学习技术探索与抑郁症检测相关的潜在模式。然而，由于受试者隐私保护的关注，该领域的数据仍然很少，这对于用于检测抑郁症的深度判别模型构成了挑战。为了克服这些障碍，建立了一个用于野外抑郁症识别的大规模多模态视频日志数据集（LMVD）。在LMVD中，收集了来自四个多媒体平台（新浪微博、Bilibili、Tiktok和YouTube）的1475名参与者的1823个样本，总计214小时。提出了一种新颖的架构MDDformer，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，证明了其在抑郁症检测方面具有更优异的性能。我们预计LMVD将为抑郁症检测社区做出有价值的贡献。数据和代码将在以下链接中发布：https://github.com/helang818/LMVD/。

本论文旨在探索使用深度学习技术检测抑郁症的潜在模式，但由于受试者隐私保护的关注，该领域的数据仍然很少，这对于检测抑郁症的深度判别模型构成了挑战。

该论文提出了一种新的架构MDDformer，用于学习个体的非语言行为，以解决抑郁症检测中的隐私问题，并在大规模多模态视频日志数据集（LMVD）上进行了广泛验证，表现出优越的性能。

本论文建立了一个大规模多模态视频日志数据集（LMVD），提出了一种新的架构MDDformer，用于学习个体的非语言行为，以解决抑郁症检测中的隐私问题。实验表明，该方法在抑郁症检测方面具有优越的性能。数据和代码已在GitHub上公开。

最近的相关研究包括：1. 使用深度学习技术进行情感分析的研究；2. 基于生理信号的情感识别方法的研究。