論文の概要: On the Role of Images for Analyzing Claims in Social Media
- arxiv url: http://arxiv.org/abs/2103.09602v1
- Date: Wed, 17 Mar 2021 12:40:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-18 16:34:00.026442
- Title: On the Role of Images for Analyzing Claims in Social Media
- Title(参考訳): ソーシャルメディアにおける画像分析の役割について
- Authors: Gullal S. Cheema and Sherzod Hakimov and Eric M\"uller-Budack and
Ralph Ewerth
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.8142537449670963
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fake news is a severe problem in social media. In this paper, we present an
empirical study on visual, textual, and multimodal models for the tasks of
claim, claim check-worthiness, and conspiracy detection, all of which are
related to fake news detection. Recent work suggests that images are more
influential than text and often appear alongside fake text. To this end,
several multimodal models have been proposed in recent years that use images
along with text to detect fake news on social media sites like Twitter.
However, the role of images is not well understood for claim detection,
specifically using transformer-based textual and multimodal models. We
investigate state-of-the-art models for images, text (Transformer-based), and
multimodal information for four different datasets across two languages to
understand the role of images in the task of claim and conspiracy detection.
- Abstract(参考訳): フェイクニュースはソーシャルメディアでは深刻な問題だ。
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,テクスト的,マルチモーダルモデルに関する経験的研究を行い,これら全ては偽ニュースの検出に関連する。
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。
この目的のために、Twitterなどのソーシャルメディアサイトで、画像とテキストを使って偽ニュースを検出するマルチモーダルモデルが近年提案されている。
しかしながら、画像の役割はクレーム検出、特にトランスフォーマティブベースのテキストモデルやマルチモーダルモデルではよく理解されていない。
画像やテキスト(トランスフォーマーベース)、マルチモーダル情報を2つの言語にまたがる4つのデータセットの最先端モデルを調査し、クレームや共謀検出のタスクにおける画像の役割を理解する。
関連論文リスト
- Multi-modal Stance Detection: New Datasets and Model [59.428622374682234]
テキストと画像からなるツイートに対するマルチモーダル姿勢検出について検討する。
我々は、シンプルで効果的なマルチモーダル・プロンプト・チューニング・フレームワーク(TMPT)を提案する。
TMPTはマルチモーダル姿勢検出における最先端性能を実現する。
論文 参考訳(メタデータ) (2024-02-22T05:24:19Z) - Adapting Fake News Detection to the Era of Large Language Models [54.60443666911077]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。
我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文 参考訳(メタデータ) (2023-11-02T08:39:45Z) - Detecting Out-of-Context Multimodal Misinformation with interpretable
neural-symbolic model [16.682989759709898]
誤報の作者は、ニュース検出システムや偽ニュースを騙すために、マルチメディア以外のコンテンツを使う傾向が強まっている。
この新たなタイプの誤報は、検出だけでなく、個々のモダリティが真の情報に十分近いため、明確化の難しさも増す。
本稿では,不一致のペアと相互の矛盾を同時に識別する,解釈可能なクロスモーダル・デコンテクスト化検出を実現する方法について検討する。
論文 参考訳(メタデータ) (2023-04-15T21:11:55Z) - Parents and Children: Distinguishing Multimodal DeepFakes from Natural
Images [59.71861772648853]
我々は,最先端拡散モデルにより生成された偽画像の正当性に関する体系的研究を開拓した。
我々の分析は、偽画像は共通の低レベルな手がかりを共有しており、容易に認識できることを示している。
本設定では,偽検出手法の性能を定量的に評価し,コントラッシブ・ベース・ディエンタング・ストラテジーを導入する。
論文 参考訳(メタデータ) (2023-04-02T10:25:09Z) - Benchmarking Robustness of Multimodal Image-Text Models under
Distribution Shift [50.64474103506595]
本稿では,5つのタスクに対する共通の摂動下での12のオープンソース画像テキストモデルの堅牢性について検討する。
文字レベルの摂動はテキストの最も深刻な分布シフトであり、ズームボケは画像データにとって最も深刻なシフトである。
論文 参考訳(メタデータ) (2022-12-15T18:52:03Z) - Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。
偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
論文 参考訳(メタデータ) (2022-11-25T18:24:17Z) - MM-Claims: A Dataset for Multimodal Claim Detection in Social Media [7.388174516838141]
我々は、COVID-19、気候変動、幅広い技術という3つのトピックについて、ツイートと対応する画像からなる新しいデータセットMM-Claimsを紹介した。
本稿では,このデータセットを詳細に記述し,強い単調およびマルチモーダルのベースラインを評価し,現在のモデルの可能性と欠点を解析する。
論文 参考訳(メタデータ) (2022-05-04T10:43:58Z) - Multimodal Fake News Detection [1.929039244357139]
単調な手法とマルチモーダル手法の両方を用いて、ファケディットデータセット上のフェイクニュースのきめ細かい分類を行う。
操作されたコンテンツ、Satire、False接続などの偽ニュースカテゴリは、画像の使用の恩恵を強く受けている。
画像を使用することで、他のカテゴリの結果も改善されるが、影響は少ない。
論文 参考訳(メタデータ) (2021-12-09T10:57:18Z) - 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) - Multimodal Fusion with BERT and Attention Mechanism for Fake News
Detection [0.0]
テキストと視覚データから派生したマルチモーダル特徴を融合させて偽ニュースを検出する新しい手法を提案する。
実験の結果,公開twitterデータセットにおける現在の最先端手法よりも3.1%の精度で性能が向上した。
論文 参考訳(メタデータ) (2021-04-23T08:47:54Z) - 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。