Newest papers

NarraSpace: Multimodal Scene-Grounded Evidence for Picture-Description Dementia Classification

Qingming Li, Ruiyan Sun, Satoshi Nakamura · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.28616 · cited by 0 works (OpenAlex) · open-access PDF

Arabic

يستخدم تصنيف التمييز في الصور صورة مشتركة، ولكن تصنيف مستوى الترجمة وحدها لا يحدد الأدلة السينمائية المرتبطة بالأدوات. NarraSpace يرتبط كلمات ومواعيد الكلام مع عناصر الصورة المعروفة وتتلقى بيانات الأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث المرتبطة بالأحداث

Machine translation (Meta M2M100); the English original follows.

Abstract

Picture-description dementia classification uses a shared visual scene, but a transcript-level prediction alone does not identify the scene evidence underlying its inputs. NarraSpace links words and speech times to named picture elements and retrieves utterances for predefined scene events. Narrative-spatial descriptors summarize coverage and temporal organization. A frozen language model contrasts each event's text under examples from Alzheimer's disease and healthy-control training participants, alongside transcript surprisal and coverage measurements. Retained source records link event scores to their source utterances, speech intervals, and lexical matches. On the official 48-participant test set of the Alzheimer's Dementia Recognition through Spontaneous Speech benchmark, a fixed support vector classifier achieves $80.88\%\pm2.56\%$ mean accuracy over fifty seeds; averaged probabilities yield $81.25\%$ accuracy and $91.32\%$ area under the receiver operating characteristic curve. NarraSpace makes the construction of scene-linked classification inputs explicit and inspectable by connecting event-indexed language-model measurements to their source utterances, speech timing, and extraction records. Such source-linked measurements could support clinician review of picture descriptions by presenting quantitative summaries alongside the original speech evidence.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Classifier (UML), Dementia, Natural language processing, Speech recognition, Artificial intelligence

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange