联邦域对抗抑郁评估网络

多模态隐私保护

针对现有集中式多模态抑郁识别在数据隐私、跨数据集分布差异和标签不一致方面的不足，提出一种联邦域对抗学习框架，通过区分抑郁公共特征和私有特征并动态聚合客户端参数，在不共享原始数据的情况下实现精准抑郁评估。

何浪 · Weizhao, Yang · Junnan, Zhao · Chen, Haifeng · 蒋冬梅

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

数据不出本地

模型在本地客户端处理原始数据，仅共享模型参数，避免上传敏感音视频。

跨数据集更稳

通过分离抑郁公共特征和私有特征，缓解数据异构和标签不一致的影响。

客户端动态加权

引入动态参数聚合机制，考虑每个客户端的迁移性和性能。

应用场景

• 抑郁评估：在本地处理音视频数据，保护隐私的同时给出抑郁评分。
• 脑机接口交互：可作为脑机接口中情感计算的隐私保护模块，用于情绪状态监测。
• 具身智能：支持智能体在不共享原始数据的情况下学习多用户情感特征。