어드밴티지 가중 순위 매기기를 이용한 이진 우울증 감지를 위한 잠재적 우울증 심각도 분석

Uncovering Latent Depression Severity for Binary Depression Detection via Advantage-weighting Ranking

오디오-비주얼 데이터를 활용한 자동 우울증 감지는 상당한 어려움을 겪는데, 특히 중복되는 특징 분포를 분리하고 안정적인 의사 결정 경계를 설정하는 데 어려움이 있습니다. 이러한 문제를 해결하기 위해, 본 연구에서는 시간 인코더와 상호 변환기를 사용하여 심층적인 모달 간 융합을 가능하게 하는 세분화된 다중 모드 프레임워크를 제안합니다. 핵심 기여는 이진 어드밴티지 가중 순위 손실(Binary Advantage-weighting Ranking Loss)이며, 이는 두 가지 상호 보완적인 메커니즘을 통해 잠재 공간 분포를 최적화합니다. 첫째, 어드밴티지 가중 분리(Advantage-weighted Separation)는 쌍별 예측 차이 행렬을 계산하고, 그 난이도에 따라 동적으로 가중치를 부여하여 어려운 쌍을 추출합니다. 둘째, 어드밴티지 가중 응집성(Advantage-weighted Compactness)은 클래스 내 분산을 최소화하여 특징들이 해당 클래스 중심 주변에 클러스터링되도록 합니다. D-vlog 및 LMVD 데이터셋에서의 광범위한 실험 결과는 제안된 모델이 어려운 쌍을 우선적으로 고려함으로써 잠재적인 순서 구조를 재구성하고, 최첨단 성능을 달성한다는 것을 보여줍니다.

Automatic depression detection using audio-visual data faces significant challenges, particularly in disentangling overlapping feature distributions and establishing robust decision boundaries. To address this, we propose a fine-grained multimodal framework featuring a temporal encoder and a mutual transformer to facilitate deep cross-modal fusion. Our core contribution is the Binary Advantage-weighting Ranking Loss, which optimizes the latent space distribution through two complementary mechanisms: Advantage-weighted Separation, which mines hard pairs by computing a pairwise prediction difference matrix and dynamically weighting them based on their difficulty; and Advantage-weighted Compactness, which minimizes intra-class variance to force features to cluster around their respective class centers. Extensive experiments on D-vlog and LMVD demonstrate that our model reconstructs the latent ordinal structure by prioritizing hard pairs, thereby achieving state-of-the-art performance.