摘要:抑郁症是一种常见且严重影响患者日常生活的精神疾病, 使用音频和视觉模态自动估计抑郁症程度的研究取得了一定进展. 然而, 仅依赖单一时间尺度难以建模长时序列中抑郁特征的动态变化. 另外, 抑郁特征在时间维度上呈非均匀分布, 现有方法难以显式建模两模态抑郁特征在时域的重要性变化. 为解决上述问题, 提出了一种多尺度时域建模与注意力融合方法. 首先, 为了从长时序列中学习抑郁相关的多尺度时域特征, 设计了多尺度时域特征学习模块. 学习短时抑郁变化的同时, 针对膨胀卷积长时建模能力的不足, 提出多尺度膨胀卷积Mamba模块, 以建模长时抑郁趋势并保留多尺度时间感受野. 其次, 为了学习两模态抑郁特征在时域的相对重要性变化, 设计了双模态时间注意力融合模块, 利用Mamba模型建模两模态的协同变化, 并自适应学习两模态抑郁特征的时间重要性权重, 动态加权不同时刻下更具判别性的抑郁特征. 最后, 在AVEC2017和AVEC2019抑郁症数据集的实验结果表明, 所提方法的MAE和RMSE指标分别达到4.45/5.54和4.76/5.99, 优于多数经典网络, 验证了其在双模态抑郁度估计任务中的有效性.