論文の概要: Online Misinformation Video Detection: A Survey
- arxiv url: http://arxiv.org/abs/2302.03242v1
- Date: Tue, 7 Feb 2023 04:03:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-08 17:26:18.059727
- Title: Online Misinformation Video Detection: A Survey
- Title（参考訳）: オンライン誤情報ビデオ検出:調査
- Authors: Yuyan Bu, Qiang Sheng, Juan Cao, Peng Qi, Danding Wang, Jintao Li
- Abstract要約: 本調査は誤報映像検出研究の進歩を示す。
まず、信号、意味、意図を含む3つのレベルから誤情報映像を分析し、特徴付ける。
代表的なデータセットや広く使われているツールなど、既存のリソースを紹介します。
- 参考スコア（独自算出の注目度）: 13.960032991158402
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With information consumption via online video streaming becoming increasingly
popular, misinformation video poses a new threat to the health of the online
information ecosystem. Though previous studies have made much progress in
detecting misinformation in text and image formats, video-based misinformation
brings new and unique challenges to automatic detection systems: 1) high
information heterogeneity brought by various modalities, 2) blurred distinction
between misleading video manipulation and ubiquitous artistic video editing,
and 3) new patterns of misinformation propagation due to the dominant role of
recommendation systems on online video platforms. To facilitate research on
this challenging task, we conduct this survey to present advances in
misinformation video detection research. We first analyze and characterize the
misinformation video from three levels including signals, semantics, and
intents. Based on the characterization, we systematically review existing works
for detection from features of various modalities to techniques for clue
integration. We also introduce existing resources including representative
datasets and widely used tools. Besides summarizing existing studies, we
discuss related areas and outline open issues and future directions to
encourage and guide more research on misinformation video detection. Our
corresponding public repository is available at
https://github.com/ICTMCG/Awesome-Misinfo-Video-Detection.
- Abstract（参考訳）: オンラインビデオストリーミングによる情報消費がますます高まる中、誤った情報ビデオはオンライン情報エコシステムの健康に新たな脅威をもたらす。
これまでの研究は、テキストと画像のフォーマットにおける誤情報の検出に多大な進歩を遂げてきたが、ビデオベースの誤情報は、自動検出システムに新しいユニークな課題をもたらす。
1) 各種モダリティがもたらす高情報不均一性
2)誤解を招く映像操作とユビキタスな芸術的映像編集の区別の曖昧化
3) オンラインビデオプラットフォームにおけるレコメンデーションシステムの役割により, 誤情報伝播の新たなパターンが出現した。
本研究は,この課題の研究を促進するために,誤報映像検出研究の進歩を示す。
まず、信号、意味、意図を含む3つのレベルから誤情報映像を分析し、特徴付ける。
特徴量に基づいて,様々なモダリティの特徴から手がかり統合の手法まで,既存の手法を体系的に検討する。
また、代表的なデータセットや広く使われているツールを含む既存のリソースも導入する。
既存の研究の要約に加えて、関連分野を議論し、オープンな課題と今後の方向性を概説し、誤情報検出に関するさらなる研究を奨励し、指導する。
対応するパブリックリポジトリはhttps://github.com/ICTMCG/Awesome-Misinfo-Video-Detectionで公開しています。
関連論文リスト
- Video Summarization Techniques: A Comprehensive Review [1.6381055567716192]
本稿では,抽象的戦略と抽出的戦略の両方を強調し,映像要約のための様々なアプローチと手法について考察する。
抽出要約のプロセスは、ソースビデオからキーフレームやセグメントを識別し、ショット境界認識やクラスタリングなどの手法を利用する。
一方、抽象的な要約は、深層ニューラルネットワークや自然言語処理、強化学習、注意機構、生成的敵ネットワーク、マルチモーダル学習といった機械学習モデルを用いて、ビデオから不可欠なコンテンツを取得することによって、新たなコンテンツを生成する。
論文 参考訳（メタデータ） (2024-10-06T11:17:54Z) - Saliency Detection in Educational Videos: Analyzing the Performance of Current Models, Identifying Limitations and Advancement Directions [7.706941074799756]
ビデオ中の残差検出は、単一のフレーム内の注意を引く領域の自動認識に対処する。
現在、教育ビデオにおける唾液度検出のアプローチを評価する研究は行われていない。
我々は、元の研究を再現し、汎用的な(非教育的な)データセットの複製能力を探求する。
論文 参考訳（メタデータ） (2024-08-08T15:15:48Z) - DeMamba: AI-Generated Video Detection on Million-Scale GenVideo Benchmark [38.604684882464944]
我々は,AIが生成した最初のビデオ検出データセットであるGenVideoを紹介する。
大量のビデオがあり、その中にはAIが生成し、実際のビデオが100万本以上含まれている。
我々はデテール・マンバ(Detail Mamba)というプラグイン・アンド・プレイ・モジュールを導入し、AI生成ビデオを特定して検出器を強化する。
論文 参考訳（メタデータ） (2024-05-30T05:36:12Z) - Multimodal Short Video Rumor Detection System Based on Contrastive
Learning [3.4192832062683842]
中国のショートビデオプラットフォームは、フェイクニュースの拡散の場として徐々に肥大化してきた。
短いビデオの噂を区別することは、大量の情報と共有機能のために大きな課題となる。
本研究グループは,マルチモーダルな特徴融合と外部知識の統合を包含する方法論を提案する。
論文 参考訳（メタデータ） (2023-04-17T16:07:00Z) - Self-Supervised Learning for Videos: A Survey [70.37277191524755]
自己教師型学習は、画像ドメインとビデオドメインの両方で有望である。
本稿では,ビデオ領域に着目した自己教師型学習における既存のアプローチについて概観する。
論文 参考訳（メタデータ） (2022-06-18T00:26:52Z) - A Survey on Deep Learning Technique for Video Segmentation [147.0767454918527]
ビデオセグメンテーションは幅広い応用において重要な役割を果たしている。
ディープラーニングベースのアプローチは、ビデオセグメンテーションに特化しており、魅力的なパフォーマンスを提供している。
論文 参考訳（メタデータ） (2021-07-02T15:51:07Z) - Few-Shot Video Object Detection [70.43402912344327]
本稿では,Few-Shot Video Object Detection (FSVOD) を紹介する。
fsvod-500は500のクラスからなり、各カテゴリーにクラスバランスのビデオがある。
私達のTPNおよびTMN+は共同およびエンドツーエンドの訓練されます。
論文 参考訳（メタデータ） (2021-04-30T07:38:04Z) - Few-Shot Learning for Video Object Detection in a Transfer-Learning
Scheme [70.45901040613015]
ビデオ物体検出のための数発学習の新たな課題について検討する。
我々は,多数のベースクラスオブジェクトに対して映像物体検出を効果的に訓練するトランスファー学習フレームワークと,ノベルクラスオブジェクトのいくつかのビデオクリップを用いる。
論文 参考訳（メタデータ） (2021-03-26T20:37:55Z) - A Comprehensive Study of Deep Video Action Recognition [35.7068977497202]
ビデオ動作認識は,映像理解における代表的なタスクの一つである。
ビデオ行動認識のためのディープラーニングに関する200以上の既存論文を包括的に調査する。
論文 参考訳（メタデータ） (2020-12-11T18:54:08Z) - Anomaly Detection in Video via Self-Supervised and Multi-Task Learning [113.81927544121625]
ビデオにおける異常検出は、コンピュータビジョンの問題である。
本稿では,オブジェクトレベルでの自己教師型およびマルチタスク学習を通じて,ビデオ中の異常事象検出にアプローチする。
論文 参考訳（メタデータ） (2020-11-15T10:21:28Z) - Mining Disinformation and Fake News: Concepts, Methods, and Recent
Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています
偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文 参考訳（メタデータ） (2020-01-02T21:01:02Z)
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。