論文の概要: Personality-guided Public-Private Domain Disentangled Hypergraph-Former Network for Multimodal Depression Detection

• arxiv url: http://arxiv.org/abs/2511.12460v1
• Date: Sun, 16 Nov 2025 05:14:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.181352
• Title: Personality-guided Public-Private Domain Disentangled Hypergraph-Former Network for Multimodal Depression Detection
• Title（参考訳）: マルチモーダルデプレッション検出のための個人性誘導型パブリックドメイン分散ハイパーグラフフォーマネットワーク
• Authors: Changzeng Fu, Shiwen Zhao, Yunze Zhang, Zhongquan Jian, Shiqi Zhao, Chaoran Liu,
• Abstract要約: 抑うつは、効率的で信頼性の高い自動検出方法を必要とする世界的なメンタルヘルスの課題を表している。 P$3$HF(Personality-guided Public-Private Domain Disentangled Hypergraph-Former Network)を提案する。 MPDD-Youngデータセットの実験によると、P$3$HFは2次および3次うつ病分類タスクの精度と重み付けされたF1を約10%改善する。
• 参考スコア（独自算出の注目度）: 11.865335030037519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depression represents a global mental health challenge requiring efficient and reliable automated detection methods. Current Transformer- or Graph Neural Networks (GNNs)-based multimodal depression detection methods face significant challenges in modeling individual differences and cross-modal temporal dependencies across diverse behavioral contexts. Therefore, we propose P$^3$HF (Personality-guided Public-Private Domain Disentangled Hypergraph-Former Network) with three key innovations: (1) personality-guided representation learning using LLMs to transform discrete individual features into contextual descriptions for personalized encoding; (2) Hypergraph-Former architecture modeling high-order cross-modal temporal relationships; (3) event-level domain disentanglement with contrastive learning for improved generalization across behavioral contexts. Experiments on MPDD-Young dataset show P$^3$HF achieves around 10\% improvement on accuracy and weighted F1 for binary and ternary depression classification task over existing methods. Extensive ablation studies validate the independent contribution of each architectural component, confirming that personality-guided representation learning and high-order hypergraph reasoning are both essential for generating robust, individual-aware depression-related representations. The code is released at https://github.com/hacilab/P3HF.
• Abstract（参考訳）: 抑うつは、効率的で信頼性の高い自動検出方法を必要とする世界的なメンタルヘルスの課題を表している。 現在のTransformer- or Graph Neural Networks(GNNs)ベースのマルチモーダルうつ病検出手法は、個人差と多様な行動コンテキストにわたるモーダル時間的依存関係をモデル化する上で、重大な課題に直面している。 そこで,P$^3$HF (Personality-guided Public-Private Domain Disentangled Hypergraph-Former Network) を提案する。1) 個別の特徴を個別の特徴からコンテキスト記述に変換するLLMを用いた人格誘導型表現学習,2) 高次相互モーダル時間関係をモデル化するHypergraph-Formerアーキテクチャ,3) 行動コンテキスト間の一般化を改善するためのコントラッシブ学習によるイベントレベルドメインのアンタングル化,である。 MPDD-Youngデータセットの実験では、P$^3$HFは従来の方法に比べて精度が約10倍向上し、二分法および三分法における重み付けされたF1が達成されている。 広範囲にわたるアブレーション研究は、個性誘導型表現学習と高次ハイパーグラフ推論の両方が、堅牢で個々に認識されるうつ病関連表現を生成するのに不可欠であることを確認した。 コードはhttps://github.com/hacilab/P3HFで公開されている。

関連論文リスト

• DiffGRM: Diffusion-based Generative Recommendation Model [63.35379395455103]
  ジェネレーティブレコメンデーション(GR)は、トークン化器を介して各項目をn桁のセマンティックID(SID)として表現する新興パラダイムである。 自己回帰デコーダをマスク付き離散拡散モデル(MDM)に置き換える拡散ベースGRモデルDiffGRMを提案する。 実験では、複数のデータセットに対する強力な生成的および差別的推奨ベースラインよりも一貫した利得を示す。
  論文  参考訳（メタデータ） (2025-10-21T03:23:32Z)
• HIPPD: Brain-Inspired Hierarchical Information Processing for Personality Detection [15.590715592593535]
  テキストからのパーソナリティ検出は、言語パターンに基づいて個人の性格特性を推測することを目的としている。 本稿では,ヒト脳の階層的情報処理をエミュレートする人格検出フレームワークであるHIPPDを提案する。
  論文  参考訳（メタデータ） (2025-10-10T22:20:35Z)
• ProtoN: Prototype Node Graph Neural Network for Unconstrained Multi-Impression Ear Recognition [7.969162168078149]
  グラフベースのアプローチを用いて、アイデンティティの複数の印象を処理するための数ショット学習フレームワークを提案する。 ProtoNは最先端のパフォーマンスを実現し、ランク1の識別精度は99.60%、EER(Equal Error Rate)は0.025である。
  論文  参考訳（メタデータ） (2025-08-06T12:21:38Z)
• Traits Run Deep: Enhancing Personality Assessment via Psychology-Guided LLM Representations and Multimodal Apparent Behaviors [46.55948528317124]
  我々はtextittextbfTraits Run Deep という新しいパーソナリティ評価フレームワークを提案する。 テキストテキストbf心理学的インフォームドプロンプトを使用して、高いレベルの人格関連セマンティック表現を導き出す。 textittextbfText-Centric Trait Fusion Networkは、リッチテキストセマンティクスをアンロックして、他のモダリティからの非同期信号の整合と統合を行う。
  論文  参考訳（メタデータ） (2025-07-30T04:12:14Z)
• HAMLET-FFD: Hierarchical Adaptive Multi-modal Learning Embeddings Transformation for Face Forgery Detection [6.060036926093259]
  HAMLET-FFDは顔偽造検出のためのクロスドメイン一般化フレームワークである。 視覚的証拠と概念的手がかりを統合し、専門家の法医学的分析をエミュレートする。 HAMLET-FFDは設計上、外部プラグインとして機能する全ての事前訓練されたパラメータを凍結する。
  論文  参考訳（メタデータ） (2025-07-28T15:09:52Z)
• Fair Deepfake Detectors Can Generalize [51.21167546843708]
  共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。 この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。 DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
  論文  参考訳（メタデータ） (2025-07-03T14:10:02Z)
• Counterfactual Intervention Feature Transfer for Visible-Infrared Person Re-identification [69.45543438974963]
  視覚赤外人物再識別タスク(VI-ReID)におけるグラフベースの手法は,2つの問題により,悪い一般化に悩まされている。 十分に訓練された入力特徴は、グラフトポロジーの学習を弱め、推論過程において十分に一般化されない。 本稿では,これらの問題に対処するためのCIFT法を提案する。
  論文  参考訳（メタデータ） (2022-08-01T16:15:31Z)
• Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
  既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。 2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。 この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
  論文  参考訳（メタデータ） (2022-07-19T03:31:13Z)
• Learning Multi-Granular Hypergraphs for Video-Based Person Re-Identification [110.52328716130022]
  ビデオベースの人物識別(re-ID)はコンピュータビジョンにおいて重要な研究課題である。 MGH(Multi-Granular Hypergraph)という新しいグラフベースのフレームワークを提案する。 MARSの90.0%のトップ-1精度はMGHを用いて達成され、最先端のスキームよりも優れていた。
  論文  参考訳（メタデータ） (2021-04-30T11:20:02Z)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)
• Multimodal Depression Severity Prediction from medical bio-markers using Machine Learning Tools and Technologies [0.0]
  うつ病は世界中の精神疾患の主要な原因となっている。 近年,うつ病の診断とステージ予測の自動化に行動的手がかりが用いられている。 ラベル付き行動データセットの欠如と、膨大な量のバリエーションが、タスクを達成する上で大きな課題であることが証明されている。
  論文  参考訳（メタデータ） (2020-09-11T20:44:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。