近日，我院2020级数据科学与大数据技术专业方喆炜同学（现为杭州电子科技大学计算机科学与技术硕士研究生），在张石清教授的指导下发表重要学术成果。他将本科毕业设计成果完善，以第一作者身份完成的研究论文《PerDepNet: Personality-Guided Cross-Domain Multitask Learning Network for Automated Video Depression Detection》在人工智能国际权威期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（TPAMI）在线发表。张石清教授为该论文唯一通讯作者，台州学院为第一完成单位。该成果实现了我校在IEEE TPAMI发表学术论文“零”的突破，标志着我院在人工智能研究领域取得重要进展。
该TPAMI期刊为中科院大类、小类双一区TOP，是人工智能与机器视觉领域全球权威旗舰期刊，也是中国计算机学会（CCF）认定的最高级别A类期刊，最新影响因子达20.4，在国际计算机科学领域享有极高的学术声誉和广泛影响力。此次成果刊发，进一步彰显了台州学院在人工智能研究领域的科研实力。
图1：所提出模型PerDepNet的系统方案
现有自动视频抑郁评估方法普遍面临标注数据稀缺、抑郁相关时空行为特征难以精准表征等局限。针对这一核心挑战，本研究从表观人格特征与抑郁表现之间的关联出发，深入挖掘人格域与抑郁域视频中非语言行为线索的共享机制，进而提出一种人格引导的跨域多任务学习网络 PerDepNet。该网络利用跨尺度共享空间特征提取模块捕捉不同尺度的面部行为信息，并通过基于 Mamba 的时序特征提取模块建模视频中的长期动态变化；在此基础上，引入人格预测辅助任务和自适应加权机制，以人格相关线索引导抑郁程度估计。在多个公开数据集的实验结果表明，该方法能够有效提升视频抑郁评估性能，在 AVEC2013 和 LMVD 上取得领先结果，并在 AVEC2014 上展现出较强竞争力。该成果有望应用于远程心理健康筛查、智能健康监测和临床辅助评估等场景，为数据稀缺条件下的非接触式抑郁风险评估提供技术支撑。
论文链接：https://ieeexplore.ieee.org/abstract/document/11673837
