論文の概要: Detection of Propaganda Techniques in Visuo-Lingual Metaphor in Memes
- arxiv url: http://arxiv.org/abs/2205.02937v1
- Date: Tue, 3 May 2022 18:33:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-16 01:08:54.222700
- Title: Detection of Propaganda Techniques in Visuo-Lingual Metaphor in Memes
- Title（参考訳）: ミームにおけるビジュオリンガルメタファーにおけるプロパガンダの検出
- Authors: Sunil Gundapu, Radhika Mamidi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.538482310185133
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The exponential rise of social media networks has allowed the production,
distribution, and consumption of data at a phenomenal rate. Moreover, the
social media revolution has brought a unique phenomenon to social media
platforms called Internet memes. Internet memes are one of the most popular
contents used on social media, and they can be in the form of images with a
witty, catchy, or satirical text description. In this paper, we are dealing
with propaganda that is often seen in Internet memes in recent times.
Propaganda is communication, which frequently includes psychological and
rhetorical techniques to manipulate or influence an audience to act or respond
as the propagandist wants. To detect propaganda in Internet memes, we propose a
multimodal deep learning fusion system that fuses the text and image feature
representations and outperforms individual models based solely on either text
or image modalities.
- Abstract（参考訳）: ソーシャルメディアネットワークの急激な増加は、データの生産、流通、消費を驚くべき速度で可能にしている。
さらに、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。
インターネットミームは、ソーシャルメディアで使われる最も人気のあるコンテンツの1つであり、機知に富み、キャッチー、または風刺的なテキスト記述を持つ画像の形をとることができる。
本稿では,近年の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。
プロパガンダとはコミュニケーションであり、プロパガンディストが欲しがる行動や反応を観客に操作または影響を与える心理的・修辞的手法をしばしば含む。
インターネットミーム中のプロパガンダを検出するために,テキストと画像の特徴表現を融合し,テキストと画像のモダリティのみに基づいて個々のモデルを上回るマルチモーダルディープラーニング融合システムを提案する。
関連論文リスト
- Propaganda to Hate: A Multimodal Analysis of Arabic Memes with Multi-Agent LLMs [7.217569932870683]
本研究では,ミームにおけるプロパガンダと憎悪の交わりについて検討する。
我々は、粗い、きめ細かい憎悪ラベルでプロパガンダ的なミームデータセットを拡張した。
我々の発見は、ミームにプロパガンダと憎悪の関連があることを示唆している。
論文 参考訳（メタデータ） (2024-09-11T13:04:34Z) - XMeCap: Meme Caption Generation with Sub-Image Adaptability [53.2509590113364]
社会的な意味や文化的な詳細に深く根ざした噂は、機械にとってユニークな挑戦である。
我々は、教師付き微調整と強化学習を採用するtextscXMeCapフレームワークを紹介した。
textscXMeCapは、シングルイメージのミームの平均評価スコアが75.85で、マルチイメージのミームは66.32で、それぞれ3.71%と4.82%で最高のベースラインを上回っている。
論文 参考訳（メタデータ） (2024-07-24T10:51:46Z) - Meme-ingful Analysis: Enhanced Understanding of Cyberbullying in Memes
Through Multimodal Explanations [48.82168723932981]
Em MultiBully-Exは、コード混在型サイバーいじめミームからマルチモーダルな説明を行うための最初のベンチマークデータセットである。
ミームの視覚的およびテキスト的説明のために,コントラスト言語-画像事前学習 (CLIP) アプローチが提案されている。
論文 参考訳（メタデータ） (2024-01-18T11:24:30Z) - Contextualizing Internet Memes Across Social Media Platforms [8.22187358555391]
我々は,知識のセマンティックリポジトリ,すなわち知識グラフを用いて,インターネットミームを文脈化できるかどうかを検討する。
RedditとDiscordという2つのソーシャルメディアプラットフォームから何千もの潜在的なインターネットミーム投稿を収集し、抽出-変換-ロード手順を開発し、候補ミーム投稿とデータレイクを作成します。
視覚変換器をベースとした類似性を利用して、これらの候補をIMKGでカタログ化されたミーム(インターネットミームの知識グラフ)と比較する。
論文 参考訳（メタデータ） (2023-11-18T20:18:18Z) - A Template Is All You Meme [83.05919383106715]
我々は,54,000枚以上の画像からなる www.knowyourme.com で発見されたミームと情報の知識ベースをリリースする。
我々は、ミームテンプレートが、以前のアプローチから欠落したコンテキストでモデルを注入するのに使えると仮定する。
論文 参考訳（メタデータ） (2023-11-11T19:38:14Z) - Detecting and Understanding Harmful Memes: A Survey [48.135415967633676]
我々は有害なミームに焦点を当てた総合的な調査を行っている。
興味深い発見の1つは、多くの有害ミームが実際には研究されていないことである。
別の観察では、ミームは異なる言語で再パッケージ化することでグローバルに伝播し、多言語化することもできる。
論文 参考訳（メタデータ） (2022-05-09T13:43:27Z) - Feels Bad Man: Dissecting Automated Hateful Meme Detection Through the
Lens of Facebook's Challenge [10.775419935941008]
我々は,現在最先端のマルチモーダル機械学習モデルのヘイトフルミーム検出に対する有効性を評価する。
4chanの"Politically Incorrect"ボード(/pol/)とFacebookのHateful Memes Challengeデータセットの12,140と10,567の2つのベンチマークデータセットを使用します。
分類性能におけるマルチモーダリティの重要性,主流のソーシャルプラットフォーム上でのWebコミュニティの影響力,その逆の3つの実験を行った。
論文 参考訳（メタデータ） (2022-02-17T07:52:22Z) - Detecting Propaganda Techniques in Memes [32.209606526323945]
本稿では,ミームで使用されるプロパガンダのタイプを検出するマルチラベルマルチモーダルタスクを提案する。
950ミームの新しいコーパスを作成してリリースし、22のプロパガンダテクニックを慎重に注釈付けして、テキスト、画像、または両方に表示します。
コーパスを解析した結果,両モードを同時に理解することが,これらの手法の検出に不可欠であることが示唆された。
論文 参考訳（メタデータ） (2021-08-07T11:56:52Z) - Memes in the Wild: Assessing the Generalizability of the Hateful Memes
Challenge Dataset [47.65948529524281]
Pinterestからヘイトフルで非ヘイトフルなミームを収集して、Facebookデータセットで事前トレーニングされたモデルで、サンプル外のパフォーマンスを評価します。
1) キャプションをOCRで抽出しなければならない,2) ミームは従来のミームよりも多様であり, 会話のスクリーンショットやテキストをプレーンな背景に表示する,という2つの重要な側面がある。
論文 参考訳（メタデータ） (2021-07-09T09:04:05Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳（メタデータ） (2020-11-13T10:19:13Z) - Automatic Discovery of Political Meme Genres with Diverse Appearances [7.3228874258537875]
多様な外観の政治的ジャンルを発見するために,スケーラブルな自動視覚認識パイプラインを導入する。
このパイプラインは、ソーシャルネットワークからミーム画像を取り込み、コンピュータビジョンベースの技術を用いて局所的な特徴を抽出し、ミームを関連するジャンルに整理することができる。
提案手法は, 視覚的に多彩な画像が共通のスタイル的要素を共有できるような, 新たなミームジャンルを発見できることを示す。
論文 参考訳（メタデータ） (2020-01-17T00:45:02Z)
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。