본 논문은 파킨슨병 조기 진단을 위해 현실적인 환경에서 RGB-D 데이터를 통합하여 파킨슨병 환자의 보행 패턴을 인식하는 설명 가능한 다중 모달 프레임워크를 제시한다. 듀얼 YOLOv11 기반 인코더, Multi-Scale Local-Global Extraction (MLGE) 모듈 및 Cross-Spatial Neck Fusion 메커니즘을 사용하여 시공간 표현을 향상시킨다. 또한, 고정된 대규모 언어 모델(LLM)을 통합하여 임상적으로 의미 있는 텍스트 설명을 생성한다. RGB-D 융합 프레임워크는 단일 입력 기반선보다 높은 인식 정확도, 환경 변화에 대한 향상된 견고성, 명확한 시각-언어 추론을 달성한다.
