ACM International Conference on Multimedia (ACM MM) 是多媒体领域的顶级国际学术会议之一，也是CCF A类收录会议，由 Association for Computing Machinery (ACM) 主办，涵盖计算机视觉、自然语言处理、音频处理、数据挖掘、人机交互等多个交叉领域。ACM MM 会议聚焦多媒体技术的前沿研究，涉及多媒体内容分析、多模态学习、信息检索、计算机图形学、增强现实与虚拟现实（AR/VR）、跨媒体计算等热点议题。自1993年创办以来，该会议已成为全球多媒体研究者和从业者交流最新技术、探讨学术挑战的重要平台。会议每年举办，设有论文发表、技术竞赛、研讨会、海报展示和工业论坛等环节，为学术界和工业界提供深度合作的机会。

      2024年的ACM MM中，实验室黄锦阳老师指导的论文《FacialPulse: An Efficient RNN-based Depression Detection via Temporal Facial Landmarks》被录用为口头论文（174/4385=3.97%）。

      论文面向抑郁检测任务，该研究基于时序人脸关键点分析的思想，提出了一种高效的RNN框架 FacialPulse，旨在通过建模人脸表情的时间动态特征，实现高精度、低计算成本的抑郁检测。该方法包含面部运动建模模块（FMMM）和面部关键点校准模块（FLCM）。其中，FMMM 利用双向 GRU（BiGRU）处理人脸表情的时间依赖性，精准捕捉抑郁患者表情变化的长期模式，同时提升训练速度。FLCM 通过关键点误差消除和校准策略，减少面部特征的冗余信息，提高识别准确性。实验在 AVEC2014 和 MMDA 数据集上进行，结果表明，FacialPulse 在识别精度和计算效率方面均优于现有方法，平均 MAE 降低 21%，同时推理速度提高 2 倍，展现了其在抑郁检测任务中的优势。