ICMLJul, 2022

利用计算机视觉为儿童和青少年精神病学中的行为感知设计可解释性

PDF
TL;DR使用机器学习方法基于计算机视觉从临床诊断面谈视频中提取行为代码和概念，并将其与人类专家测评进行比较，较差的凝视和言语概念的表现指出需要提高数据质量或使用其他数据模态。
发现论文，激发创造
  • 利用开放数据和任务增强技术在资源匮乏场景下自动化行为编码心理治疗对话

    通过元学习和任务增广方法提高行为编码效率，应对数据稀缺性挑战。

    Oct, 2022

  • 量化比较可解释计算机视觉模型的心理物理学方法

    在这项研究中，作者们使用基于众包的注释任务和心理物理学技术来评估可解释的计算机视觉算法的透明度质量，与没有人类参与的质量度量进行比较，并发现众包实验提供了一种稳健的质量评估方法。同时，文中提到在解释性方法排名、以及对人类是否有用方面，没有人类参与的质量度量与实际情况不符，为了获得对解释性的真实评估，应该在人类 - 机器学习交互的自然环境中进行评估。

    Nov, 2019

  • 解释第一印象：从视频中建模、识别和解释显而易见的个性

    本文介绍了解释性和可解释性对于决策支持系统的两个关键方面，并探索了这些方面在计算机视觉中的应用，特别是在人类行为分析方面。文章描述了一个挑战，旨在提升解释性在第一印象分析中的应用。通过对引入的数据集，评估协议的详细分析和解释性挑战的结果，总结研究机会，并确定为解释性计算机视觉领域的发展制定规划。

    Feb, 2018

  • 第一印象：基于视觉的明显人格特征分析调查

    本篇论文系统总结了基于视觉计算的表观性格特征识别的现有方法，讨论比较了这些方法的独特特点和限制；同时也讨论了该领域未来的研究方向和数据标注 / 评估的主观性问题，还简要回顾了当前数据集和挑战。

    Apr, 2018

  • 观察治疗对话：行为编码分类和预测

    本文使用对话模型来分析行为特征，实现实时指导，探讨应对物质滥用问题有效的 Motivational Interviewing 治疗方式。

    Jun, 2019

  • 透过视觉作品看内心世界：心理状态解读

    本研究提出了一项挑战性任务 VEIT（Visual Emotion Interpretation Task），并通过专业注释的心理理论支持数据集 SpyIn 进行了实验。研究表明，VEIT 是一项需要场景图信息和心理知识的更具挑战性的任务，并且有望通过视觉创作分析和解释人类内在世界。

    Feb, 2023

  • 癫痫视频分析的深度学习方法综述

    基于深度学习的视频分析在癫痫学领域的症状检测和分析方面取得了成功，而将现有技术整合为视频症状分析的综合系统是未来研究的方向。

    Dec, 2023

  • 我的大脑关注哪里？从脑活动预测视觉注意力

    本文研究基于 EEG 采集数据的图像视觉注意力识别算法，结果表明其效果与传统基于图像分析的方法相当，数据集和代码已提供。

    Jan, 2022

  • 野外灵长类动物行为分析的计算机视觉

    计算机视觉在动物认知和行为研究中有巨大潜力，但目前在野外视频中仍存在巨大的实践挑战，本文通过综述当前相关方法和引导行为科学家以及计算机视觉研究人员来逐渐填补这一差距。

    Jan, 2024

  • GAME：面向青少年心理障碍早期筛查的多模态数据综合的广义深度学习模型

    设计了一款安卓应用程序，结合小游戏和聊天记录的机器人，对 3,783 名中学生进行了综合式多模态筛查。通过引入新的注意机制，开发了名为 GAME 的模型，能够以高准确度（73.34%-92.77%）和 F1 值（71.32%-91.06%）评估青少年的精神状态。研究发现每种模态对于精神疾病筛查和共病症的贡献不同，表明可解释模型具有潜在的可行性。该研究提供了一套能够获取多模态信息并构建综合式多模态集成算法的系统，用于对青少年精神疾病进行早期筛查。

    Sep, 2023