論文の概要: Examining Similar and Ideologically Correlated Imagery in Online
Political Communication
- arxiv url: http://arxiv.org/abs/2110.01183v3
- Date: Mon, 31 Jul 2023 15:49:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-02 01:15:18.779871
- Title: Examining Similar and Ideologically Correlated Imagery in Online
Political Communication
- Title（参考訳）: オンライン政治コミュニケーションにおける類似およびイデオロギー的関連画像の検討
- Authors: Amogh Joshi, Cody Buntain
- Abstract要約: 本稿は、米国の政治家がTwitter上で共有するビジュアルメディアについて検討する。
これは、政治家の様々なイメージタイプが、その政治的地位を反映していることを示している。
また、この文脈における画像特徴付けの標準手法を用いた場合の危険を識別する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper investigates visual media shared by US national politicians on
Twitter, how a politician's variety of image types shared reflects their
political position, and identifies a hazard in using standard methods for image
characterization in this context. While past work has yielded valuable results
on politicians' use of imagery in social media, that work has focused primarily
on photographic media, which may be insufficient given the variety of visual
media shared in such spaces (e.g., infographics, illustrations, or memes).
Leveraging multiple popular, pre-trained, deep-learning models to characterize
politicians' visuals, this work uses clustering to identify eight types of
visual media shared on Twitter, several of which are not photographic in
nature. Results show individual politicians share a variety of these types, and
the distributions of their imagery across these clusters is correlated with
their overall ideological position -- e.g., liberal politicians appear to share
a larger proportion of infographic-style images, and conservative politicians
appear to share more patriotic imagery. Manual assessment, however, reveals
that these image-characterization models often group visually similar images
with different semantic meaning into the same clusters, which has implications
for how researchers interpret clusters in this space and cluster-based
correlations with political ideology. In particular, collapsing semantic
meaning in these pre-trained models may drive null findings on certain clusters
of images rather than politicians across the ideological spectrum sharing
common types of imagery. We end this paper with a set of researcher
recommendations to prevent such issues.
- Abstract（参考訳）: 本稿では,米国の政治家がtwitterで共有するビジュアルメディア,政治家が共有する画像タイプが政治的立場をどのように反映するか,および,この文脈におけるイメージキャラクタリゼーションの標準手法を用いた場合の危険性を明らかにする。
過去の研究は、政治家がソーシャルメディアで画像を使うことに価値ある結果をもたらしてきたが、その仕事は主に写真メディアに焦点を当てており、こうした空間で共有される様々なビジュアルメディア(インフォグラフィック、イラスト、ミームなど)を考えると不十分である。
政治家の視覚を特徴付けるために、複数のポピュラーで事前学習されたディープラーニングモデルを活用することで、この研究は、twitterで共有される8種類のビジュアルメディアをクラスタリングを使って識別する。
結果は、個々の政治家がこれらのタイプを共有しており、これらのクラスタにまたがるイメージの分布は、全体的なイデオロギー的な位置と相関していることを示している。
しかし、手動による評価では、これらの画像の特徴付けモデルは、しばしば異なる意味を持つ視覚的に類似したイメージを同一のクラスタに分類し、研究者がこの領域におけるクラスタの解釈方法と、政治的イデオロギーとのクラスタベースの相関性に影響を及ぼす。
特に、これらの事前訓練されたモデルにおける意味の崩壊は、共通のタイプの画像を共有するイデオロギーのスペクトルにまたがる政治家よりも、特定の画像のクラスタ上でヌル発見を引き起こす可能性がある。
本稿は、このような問題を防止するための研究者の勧告で締めくくります。
関連論文リスト
- Identifying Implicit Social Biases in Vision-Language Models [34.53206726136747]
我々は、視覚言語モデルに存在する社会的バイアスを体系的に分析する。
CLIPは有害な単語と特定の人口集団の間に望ましくない関連性を示すことが多い。
本研究は,視覚言語モデルにおけるバイアスの評価と対処の重要性を強調した。
論文 参考訳（メタデータ） (2024-11-01T19:41:28Z) - Compositional Entailment Learning for Hyperbolic Vision-Language Models [54.41927525264365]
画像とテキストのペアを超えて、双曲的埋め込みの自然的階層性を完全に活用する方法を示す。
双曲型視覚言語モデルのための構成的包摂学習を提案する。
数百万の画像テキストペアで訓練された双曲型視覚言語モデルに対する経験的評価は、提案手法が従来のユークリッドCLIP学習より優れていることを示している。
論文 参考訳（メタデータ） (2024-10-09T14:12:50Z) - Visual Political Communication in a Polarized Society: A Longitudinal
Study of Brazilian Presidential Elections on Instagram [0.3495246564946556]
本研究では、ブラジルの大統領候補19名による11,263件のInstagram投稿のデータセットで使用される視覚コミュニケーション戦略を検討することを目的とする。
祝賀画像と肯定的なトーン画像の有病率を同定した。
彼らはまた、強いパーソナライゼーションの感覚を示し、より感情的なレベルで有権者と結びついた候補者を描いている。
論文 参考訳（メタデータ） (2023-09-30T12:11:11Z) - The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。
ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳（メタデータ） (2023-04-19T18:32:49Z) - A Friendly Face: Do Text-to-Image Systems Rely on Stereotypes when the
Input is Under-Specified? [7.586041161211335]
視覚的に不特定なプロンプトに応答して生成された画像の特性について検討する。
多くの場合、画像はステレオタイプ文学で報告されているものと類似した人口統計バイアスを含む。
論文 参考訳（メタデータ） (2023-02-14T16:11:06Z) - A domain adaptive deep learning solution for scanpath prediction of
paintings [66.46953851227454]
本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。
我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。
提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
論文 参考訳（メタデータ） (2022-09-22T22:27:08Z) - Analyzing Image-based Political Propaganda in Referendum Campaigns: From
Elements to Strategies [2.992389186393994]
本稿では,台湾の住民投票において,画像に基づく政治宣伝を初めて検討する。
我々は、2つの主要政党がFacebookに投稿した2000以上の画像を調査し、画像の要素と政治組織の戦略を理解した。
論文 参考訳（メタデータ） (2022-05-26T05:00:48Z) - Exploiting the Right: Inferring Ideological Alignment in Online
Influence Campaigns Using Shared Images [0.0]
この研究は、偽情報キャンペーンのエージェントが共有するビジュアルメディアの調査を進め、こうしたキャンペーンの一環としてTwitterが特定したアカウントが共有する画像を特徴付ける。
米国政治家のTwitterアカウントが共有する画像をベースラインとトレーニングセットとして使用し、共有する画像を使用してアカウントのイデオロギー的な表示を推測するモデルを構築します。
論文 参考訳（メタデータ） (2022-04-13T15:22:17Z) - Political Posters Identification with Appearance-Text Fusion [49.55696202606098]
外観特徴とテキストベクトルを効率的に活用し, 政治ポスターを高精度に分類する手法を提案する。
この作品の大半は、特定の政治イベントのプロモーションとして機能するように設計された政治ポスターに焦点を当てている。
論文 参考訳（メタデータ） (2020-12-19T16:14:51Z) - PhraseCut: Language-based Image Segmentation in the Wild [62.643450401286]
自然言語のフレーズを与えられた画像領域を分割する問題について考察する。
私たちのデータセットは、Visual Genomeデータセットの上に収集されます。
我々の実験は、我々のデータセットにおける概念のスケールと多様性が、既存の最先端技術に重大な課題をもたらすことを示している。
論文 参考訳（メタデータ） (2020-08-03T20:58:53Z) - Consensus-Aware Visual-Semantic Embedding for Image-Text Matching [69.34076386926984]
画像テキストマッチングは、視覚と言語をブリッジする上で中心的な役割を果たす。
既存のアプローチのほとんどは、表現を学ぶためにイメージテキストインスタンスペアのみに依存しています。
コンセンサスを意識したビジュアル・セマンティック・エンベディングモデルを提案し,コンセンサス情報を組み込む。
論文 参考訳（メタデータ） (2020-07-17T10:22:57Z)
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。