論文の概要: Machine Learning based Lie Detector applied to a Collected and Annotated
Dataset
- arxiv url: http://arxiv.org/abs/2104.12345v1
- Date: Mon, 26 Apr 2021 04:48:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-28 02:02:06.768721
- Title: Machine Learning based Lie Detector applied to a Collected and Annotated
Dataset
- Title(参考訳): 機械学習に基づくLie Detectorの収集および注釈付きデータセットへの適用
- Authors: Nuria Rodriguez-Diaz, Decky Aspandi, Federico Sukno, Xavier Binefa
- Abstract要約: 我々は,嘘のインセンティブを与えるカードゲーム中に,異なる参加者の顔の注釈付き画像と3d情報を含むデータセットを収集した。
収集したデータセットを用いて、一般化、個人的および横断的な嘘検出実験により、機械学習ベースの嘘検出装置を複数評価した。
本実験では, 深層学習モデルが一般化タスクに対して57%, 単一参加者に対して63%の精度で嘘を認識する上で優れていることを示した。
- 参考スコア(独自算出の注目度): 1.3007851628964147
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lie detection is considered a concern for everyone in their day to day life
given its impact on human interactions. Hence, people are normally not only pay
attention to what their interlocutors are saying but also try to inspect their
visual appearances, including faces, to find any signs that indicate whether
the person is telling the truth or not. Unfortunately to date, the automatic
lie detection, which may help us to understand this lying characteristics are
still fairly limited. Mainly due to lack of a lie dataset and corresponding
evaluations. In this work, we have collected a dataset that contains annotated
images and 3D information of different participants faces during a card game
that incentivise the lying. Using our collected dataset, we evaluated several
types of machine learning based lie detector through generalize, personal and
cross lie lie experiments. In these experiments, we showed the superiority of
deep learning based model in recognizing the lie with best accuracy of 57\% for
generalized task and 63\% when dealing with a single participant. Finally, we
also highlight the limitation of the deep learning based lie detector when
dealing with different types of lie tasks.
- Abstract(参考訳): リー検出は、人間同士の相互作用に影響を及ぼすため、日々の生活においてすべての人にとって懸念される。
したがって、通常、人々は、会話者が言っていることに注意を払うだけでなく、顔を含む視覚的な外観を検査して、その人が真実を言っているかどうかを示す兆候を見つけようとする。
残念ながら、この嘘の特徴を理解するのに役立ちそうな自動嘘検出は、まだかなり限られている。
主な原因は、嘘データセットの欠如とそれに対応する評価である。
本研究では,嘘のインセンティブを与えるカードゲームにおいて,異なる参加者の顔の注釈付き画像と3d情報を含むデータセットを収集した。
収集したデータセットを用いて、一般化、個人的、横断的な嘘検出実験により、機械学習ベースの嘘検出装置を複数評価した。
これらの実験では, 一般化タスクでは57\%, 参加者1名に対して63\%のリーフ認識において, ディープラーニングモデルが優れていることを示した。
最後に、異なる種類の嘘タスクを扱う際に、ディープラーニングベースの嘘検出の制限についても強調する。
関連論文リスト
- Semantic Contextualization of Face Forgery: A New Definition, Dataset, and Detection Method [77.65459419417533]
我々は,顔フォージェリを意味的文脈に配置し,意味的顔属性を変更する計算手法が顔フォージェリの源であることを定義した。
階層的なグラフで整理されたラベルの集合に各画像が関連付けられている大規模な顔偽画像データセットを構築した。
本稿では,ラベル関係を捕捉し,その優先課題を優先するセマンティクス指向の顔偽造検出手法を提案する。
論文 参考訳(メタデータ) (2024-05-14T10:24:19Z) - A Dataset for the Validation of Truth Inference Algorithms Suitable for Online Deployment [76.04306818209753]
実世界のクラウドソーシングプラットフォームから収集した,実質的なクラウドソーシングアノテーションデータセットを紹介する。
このデータセットは、約2万のワーカー、100万のタスク、600万のアノテーションで構成されている。
本データセットにおけるいくつかの代表的真理推論アルゴリズムの有効性を評価する。
論文 参考訳(メタデータ) (2024-03-10T16:00:41Z) - Can Deception Detection Go Deeper? Dataset, Evaluation, and Benchmark for Deception Reasoning [48.11096630736294]
偽装検出を偽装推論に拡張する。
具体的には、潜在的な嘘と基本的な事実を提供し、この文がなぜ嘘なのかを分析する。
本稿では,データセットの構築や評価指標の定義など,この課題に対する最初の試みについて述べる。
論文 参考訳(メタデータ) (2024-02-18T02:52:54Z) - SEPSIS: I Can Catch Your Lies -- A New Paradigm for Deception Detection [9.20397189600732]
本研究は, 心理学のレンズを通して, 騙しの問題を探究するものである。
そこで本研究では,NLP技術を利用した偽造検出のための新しいフレームワークを提案する。
我々は、微調整言語モデルのデータレスマージを利用した、新しいマルチタスク学習パイプラインを提案する。
論文 参考訳(メタデータ) (2023-12-01T02:13:25Z) - Localizing Lying in Llama: Understanding Instructed Dishonesty on
True-False Questions Through Prompting, Probing, and Patching [0.0]
大規模言語モデル(LLM)は、その出力を通じて重要な知識を示すが、誤った出力が知識の欠如や不完全な原因であるかどうかはしばしば不明である。
本稿では,LLaMA-2-70b-chatに嘘をつくように指示された不完全性について検討する。
素早いエンジニアリングを行い、最も優れた嘘つきの振る舞いを誘導し、次に機械論的解釈可能性アプローチを用いて、ネットワーク内でこの振る舞いが起こる場所をローカライズする。
論文 参考訳(メタデータ) (2023-11-25T22:41:23Z) - To Tell The Truth: Language of Deception and Language Models [6.80186731352488]
我々は,ハイテイク環境における会話が嘘をつくような,新しいテレビ番組データを分析する。
客観的な真理の存在下での偽りの潜在的な検証可能な言語手がかりの顕在化について検討する。
人間の被験者と同じような真理検出性能を持つ検出器群(アルゴリズム)が存在することを示す。
論文 参考訳(メタデータ) (2023-11-13T05:40:11Z) - Discovering Latent Knowledge in Language Models Without Supervision [72.95136739040676]
既存の言語モデルをトレーニングするテクニックは、真実と正しく一致していない可能性がある。
本稿では,言語モデルの内部アクティベーション内部の潜伏知識を,純粋に教師なしの方法で直接見つけることを提案する。
本手法は, 教師なし, モデル出力がないにもかかわらず, 大規模言語モデルで表される多様な知識を復元できることを示す。
論文 参考訳(メタデータ) (2022-12-07T18:17:56Z) - Deception Detection in Videos using the Facial Action Coding System [4.641678530055641]
本研究では,深層学習モデルの学習パラメータとして使用する顔行動符号化システムを用いて,顔行動単位を抽出する。
実生活実験データセットを用いてトレーニングした長寿命記憶(LSTM)を特に用いた。
また、Real-lifeトライアルデータセット、Silesian Deceptionデータセット、Bag-of-lies Deceptionデータセットを使用して、クロスデータセット検証も行った。
論文 参考訳(メタデータ) (2021-05-28T08:10:21Z) - Hidden Footprints: Learning Contextual Walkability from 3D Human Trails [70.01257397390361]
現在のデータセットは、人々がどこにいるか、どこにいるかを教えてくれません。
まず、画像間で人の観察を伝播させ、3D情報を利用して、私たちが「隠れ足跡」と呼ぶものを作成することで、有効なラベル付き歩行可能領域の集合を拡大する。
このようなスパースラベルのために設計されたトレーニング戦略を考案し、クラスバランスの分類損失と文脈逆転損失を組み合わせた。
論文 参考訳(メタデータ) (2020-08-19T23:19:08Z) - Exploratory Machine Learning with Unknown Unknowns [60.78953456742171]
本稿では,他のラベルと誤認識されたトレーニングデータに未知のクラスが存在するという,新たな問題設定について検討する。
本研究では,潜在的に隠蔽されたクラスを発見するために,機能空間を積極的に拡張することにより,学習データを調べ,調査する探索機械学習を提案する。
論文 参考訳(メタデータ) (2020-02-05T02:06:56Z)
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。