論文の概要: Understanding the Use of Fauxtography on Social Media
- arxiv url: http://arxiv.org/abs/2009.11792v2
- Date: Fri, 25 Sep 2020 04:46:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 02:35:14.178290
- Title: Understanding the Use of Fauxtography on Social Media
- Title（参考訳）: ソーシャルメディアにおけるfauxtography利用の理解
- Authors: Yuping Wang and Fatemeh Tahmasbi and Jeremy Blackburn and Barry
Bradlyn and Emiliano De Cristofaro and David Magerman and Savvas Zannettou
and Gianluca Stringhini
- Abstract要約: フェノトグラフィーの大規模な研究を初めて紹介する。
われわれは、Twitter、4chan、Redditで議論された61万件以上のファクストグラフィーのインスタンスを特定した。
ファクトグラフィー画像は、しばしばWebコミュニティによってミームに変換される。
- 参考スコア（独自算出の注目度）: 12.814387064285656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite the influence that image-based communication has on online discourse,
the role played by images in disinformation is still not well understood. In
this paper, we present the first large-scale study of fauxtography, analyzing
the use of manipulated or misleading images in news discussion on online
communities. First, we develop a computational pipeline geared to detect
fauxtography, and identify over 61k instances of fauxtography discussed on
Twitter, 4chan, and Reddit. Then, we study how posting fauxtography affects
engagement of posts on social media, finding that posts containing it receive
more interactions in the form of re-shares, likes, and comments. Finally, we
show that fauxtography images are often turned into memes by Web communities.
Our findings show that effective mitigation against disinformation need to take
images into account, and highlight a number of challenges in dealing with
image-based disinformation.
- Abstract（参考訳）: 画像に基づくコミュニケーションがオンライン談話に与える影響にもかかわらず、偽情報のイメージが果たす役割はいまだよく理解されていない。
本稿では,オンラインコミュニティにおけるニュースの議論において,操作された画像や誤解を招く画像の利用を分析した最初の大規模研究を行う。
まず,fauxtographyを検出するための計算パイプラインを開発し,Twitter,4chan,Redditで議論されたfauxtographyの61万以上のインスタンスを同定する。
次に,投稿がソーシャルメディア上での投稿のエンゲージメントにどのように影響するかを調査し,その投稿がリシェアやいいね!,コメントといった形でより多くのインタラクションを受けることを見出した。
最後に,fauxtography 画像は Web コミュニティによってしばしばミームに変換されることを示す。
以上の結果から,偽情報に対する効果的な緩和には画像の考慮が必要であり,画像に基づく偽情報を扱う上での課題が数多く指摘されている。
関連論文リスト
- Discovering Image Usage Online: A Case Study With "Flatten the Curve'' [6.370905925442655]
新型コロナウイルス(COVID-19)のパンデミックで「カーブが遅い」という図が多用された。
画像の拡散をオンラインで見るためのケーススタディとして,5種類の「Flatten the Curve」画像を用いている。
論文 参考訳（メタデータ） (2023-07-12T21:17:56Z) - Harnessing the Power of Text-image Contrastive Models for Automatic
Detection of Online Misinformation [50.46219766161111]
誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。
本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
論文 参考訳（メタデータ） (2023-04-19T02:53:59Z) - Fighting Malicious Media Data: A Survey on Tampering Detection and
Deepfake Detection [115.83992775004043]
近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。
本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
論文 参考訳（メタデータ） (2022-12-12T02:54:08Z) - Detection of Propaganda Techniques in Visuo-Lingual Metaphor in Memes [7.538482310185133]
ソーシャルメディア革命は、インターネットミームと呼ばれるソーシャルメディアプラットフォームにユニークな現象をもたらした。
本稿では,近年インターネットミームでよく見られるプロパガンダを扱う。
インターネットミームにおけるプロパガンダを検出するために,マルチモーダル深層学習融合システムを提案する。
論文 参考訳（メタデータ） (2022-05-03T18:33:27Z) - FNR: A Similarity and Transformer-Based Approachto Detect Multi-Modal
FakeNews in Social Media [4.607964446694258]
本研究の目的は、ソーシャルメディアのテキストや画像から複数モーダルな特徴を分析し、偽ニュースを検出することである。
本稿では、変換学習を利用して文脈的・意味的な特徴を抽出するFake News Revealer(FNR)手法を提案する。
提案手法は,従来の研究に比べて偽ニュースの検出精度が高いことを示す。
論文 参考訳（メタデータ） (2021-12-02T11:12:09Z) - Open-Domain, Content-based, Multi-modal Fact-checking of Out-of-Context
Images via Online Resources [70.68526820807402]
実際のイメージは、コンテキストや要素を誤って表現することによって、他の物語をサポートするために再目的化される。
私たちのゴールは、画像とコンテキストのペアリングを事実チェックすることで、この時間を要する、推論集約的なプロセスを自動化する検査可能な方法です。
私たちの研究は、オープンドメイン、コンテンツベース、マルチモーダルなファクトチェックのための最初のステップとベンチマークを提供します。
論文 参考訳（メタデータ） (2021-11-30T19:36:20Z) - MONITOR: A Multimodal Fusion Framework to Assess Message Veracity in
Social Networks [0.0]
ソーシャルネットワークのユーザーは、コンテンツをほとんど抑制せずに投稿し共有する傾向がある。
噂や偽ニュースは急速に広まる可能性がある。
これはソーシャルメディアの信頼性を脅かし、現実の生活に深刻な結果をもたらす可能性がある。
論文 参考訳（メタデータ） (2021-09-06T07:41:21Z) - Enhancing Social Relation Inference with Concise Interaction Graph and
Discriminative Scene Representation [56.25878966006678]
我々はtextbfSocial rtextbfElation (PRISE) における textbfPractical textbfInference のアプローチを提案する。
人の対話的特徴と全体主義的な場面の識別的特徴を簡潔に学習する。
PRISEはPIPAデータセットにおけるドメイン分類の改善を6.8$%で達成している。
論文 参考訳（メタデータ） (2021-07-30T04:20:13Z) - Identity Signals in Emoji Do not Influence Perception of Factual Truth
on Twitter [90.14874935843544]
以前の研究によると、Twitterユーザーは人種的・民族的アイデンティティを表現するために、自己表現の行為としてスキントーン絵文字を使っている。
この信号が、その信号を含む投稿の内容に対する読者の認識に影響を及ぼすかどうかを検証する。
絵文字もプロフィール写真も、読者がこれらの事実をどう評価するかに影響を与えていない。
論文 参考訳（メタデータ） (2021-05-07T10:56:19Z) - On the Role of Images for Analyzing Claims in Social Media [3.8142537449670963]
本稿では,クレーム,クレームチェック性,共謀検出の課題に対する視覚的,テキスト的,マルチモーダルモデルに関する実証研究を行う。
最近の研究は、画像はテキストよりも影響力があり、しばしば偽のテキストと共に現れることを示唆している。
論文 参考訳（メタデータ） (2021-03-17T12:40:27Z) - News Image Steganography: A Novel Architecture Facilitates the Fake News
Identification [52.83247667841588]
フェイクニュースの大部分が、他の情報源からのアンスタンプ画像を引用している。
本稿では,GANに基づく画像ステガノグラフィによる不整合を明らかにするために,News Image Steganographyというアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-01-03T11:12:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。