論文の概要: Viblio: Introducing Credibility Signals and Citations to Video-Sharing Platforms

• arxiv url: http://arxiv.org/abs/2402.17218v1
• Date: Tue, 27 Feb 2024 05:21:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 17:44:22.089537
• Title: Viblio: Introducing Credibility Signals and Citations to Video-Sharing Platforms
• Title（参考訳）: Viblio: ビデオ共有プラットフォームに信頼性信号とCitationを導入する
• Authors: Emelia Hughes, Renee Wang, Prerna Juneja, Tony Li, Tanu Mitra, Amy Zhang
• Abstract要約: Viblioは、YouTubeユーザーが参加者のニーズに基づいてビデオを見ながら、引用を閲覧、追加できるプロトタイプシステムである。 12人の被験者による評価から、ビブリオはビデオの信頼性を評価する過程において直感的で有用であることが判明した。
• 参考スコア（独自算出の注目度）: 8.832571289776256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As more users turn to video-sharing platforms like YouTube as an information source, they may consume misinformation despite their best efforts. In this work, we investigate ways that users can better assess the credibility of videos by first exploring how users currently determine credibility using existing signals on platforms and then by introducing and evaluating new credibility-based signals. We conducted 12 contextual inquiry interviews with YouTube users, determining that participants used a combination of existing signals, such as the channel name, the production quality, and prior knowledge, to evaluate credibility, yet sometimes stumbled in their efforts to do so. We then developed Viblio, a prototype system that enables YouTube users to view and add citations and related information while watching a video based on our participants' needs. From an evaluation with 12 people, all participants found Viblio to be intuitive and useful in the process of evaluating a video's credibility and could see themselves using Viblio in the future.
• Abstract（参考訳）: より多くのユーザーが情報ソースとしてYouTubeのようなビデオ共有プラットフォームに目を向けるにつれ、最高の努力にもかかわらず誤った情報を消費する可能性がある。 本研究では,プラットフォーム上での既存の信号を用いた信頼性決定の方法を探り,新しい信頼性に基づく信号の導入と評価を行うことにより,ビデオの信頼性を評価する方法を検討する。 実験では,youtubeユーザを対象に12件の文脈質問インタビューを実施し,実験参加者がチャンネル名,品質,事前知識などの既存の信号の組み合わせを用いて信頼性を評価した上で,時としてその取り組みに支障をきたすことが判明した。 そこで我々は、YouTubeユーザーが参加者のニーズに基づいてビデオを見ながら、引用や関連情報を見たり追加したりできるプロトタイプシステムViblioを開発した。 12人の被験者による評価から、すべての参加者は、ビデオの信頼性を評価する過程において、直感的で有用であることに気付き、将来的にはViblioを使うようになる。

関連論文リスト

• Personalized Video Summarization by Multimodal Video Understanding [2.1372652192505703]
  本稿では,ビデオ要約のためのVSL (Video Summarization with Language) というパイプラインを提案する。 VSLは、トレーニング済みのビジュアル言語モデル(VLM)に基づいて、大規模なトレーニングデータセット上でビデオ要約システムをトレーニングする必要がない。 提案手法は,教師付きクエリに基づくビデオ要約モデルと比較して,異なるデータセットに対してより適応可能であることを示す。
  論文  参考訳（メタデータ） (2024-11-05T22:14:35Z)
• HOTVCOM: Generating Buzzworthy Comments for Videos [49.39846630199698]
  この研究は、中国最大のビデオコンテンツデータセットであるtextscHotVComを紹介し、94万の多様なビデオと1億1700万のコメントからなる。 また、中国語のビデオデータセット上で、視覚的、聴覚的、テキスト的データを相乗的に統合し、影響力のあるホットコンテンツを生成するtexttComHeatフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-23T16:45:13Z)
• Detours for Navigating Instructional Videos [58.1645668396789]
  We propose VidDetours, a video-lang approach that learn to retrieve the target temporal segments from a large repository of how-to's。 本稿では,ビデオ検索と質問応答の最良の方法に比べて,モデルが大幅に改善し,リコール率が35%を超えることを示す。
  論文  参考訳（メタデータ） (2024-01-03T16:38:56Z)
• Video-Bench: A Comprehensive Benchmark and Toolkit for Evaluating Video-based Large Language Models [81.84810348214113]
  ビデオベースの大規模言語モデル(Video-LLMs)が最近導入され、認識と理解の基本的な改善と多様なユーザからの問い合わせの両方をターゲットにしている。 このようなモデルの開発を導くため、堅牢で包括的な評価システムの構築が重要となる。 本稿では,ビデオLLMの評価に特化して設計されたツールキットとともに,新しい総合的なベンチマークであるtextitVideo-Benchを提案する。
  論文  参考訳（メタデータ） (2023-11-27T18:59:58Z)
• VideoChat: Chat-Centric Video Understanding [80.63932941216129]
  我々は、ビデオチャットと呼ばれるエンドツーエンドのチャット中心のビデオ理解システムを開発した。 学習可能なニューラルネットワークを通じて、ビデオファンデーションモデルと大きな言語モデルを統合する。 予備的な定性的実験は、幅広いビデオアプリケーションにまたがる我々のシステムの可能性を実証している。
  論文  参考訳（メタデータ） (2023-05-10T17:59:04Z)
• A Data-Driven Approach for Finding Requirements Relevant Feedback from TikTok and YouTube [37.87427796354001]
  この研究は、ビデオコンテンツに焦点を当てた2つの広く使われているソーシャルメディアプラットフォームであるTikTokとYouTubeの可能性を掘り下げるものだ。 各種産業における20種類の人気商品の6276件のビデオから,音声・ビジュアルテキスト,メタデータ(説明・タイトル)を解析し,ユーザフィードバックの源泉としてビデオの展望を評価した。 製品評価(機能、設計、パフォーマンス)、バグレポート、使用法チュートリアルがビデオから永続的なテーマであることが分かりました。
  論文  参考訳（メタデータ） (2023-05-02T21:47:06Z)
• Analyzing User Engagement with TikTok's Short Format Video Recommendations using Data Donations [31.764672446151412]
  データ提供システムを通じて収集したデータを用いて、TikTok上のユーザエンゲージメントを分析する。 利用者の注意力は45%程度で安定しているのに対し,平均日使用時間は1日平均で1日当たり1時間以上上昇していることがわかった。 また、フォローしていない人よりもフォローしている人がアップロードしたビデオの方が多いこともわかりました。
  論文  参考訳（メタデータ） (2023-01-12T11:34:45Z)
• VPN: Video Provenance Network for Robust Content Attribution [72.12494245048504]
  VPN - オンラインで共有されているビデオから出典情報を復元するコンテンツ属性手法を提案する。 完全長あるいは切り離されたビデオクエリを用いて,このようなビデオのマッチングに頑健な検索埋め込みを学習する。 一度ビデオクリップの信頼できるデータベースにマッチすると、そのクリップの出所に関する関連情報がユーザに提示される。
  論文  参考訳（メタデータ） (2021-09-21T09:07:05Z)
• Improving Conversational Question Answering Systems after Deployment using Feedback-Weighted Learning [69.42679922160684]
  本稿では,二元的ユーザフィードバックを用いた初期教師付きシステムを改善するために,重要サンプリングに基づくフィードバック重み付き学習を提案する。 当社の作業は,実際のユーザとのインタラクションを活用し,デプロイ後の会話システムを改善する可能性を開くものだ。
  論文  参考訳（メタデータ） (2020-11-01T19:50:34Z)
• Designing Indicators to Combat Fake Media [24.257090478689815]
  本研究は、ユーザーが偽ビデオを特定するのに役立つ証明指標を設計し、研究する。 まず、ユーザーに対して、異なる誤情報モードでの経験についてインタビューする。 そこで我々は,フェイクビデオインジケータを開発し設計するための参加型設計研究を行った。
  論文  参考訳（メタデータ） (2020-10-01T16:58:12Z)
• Middle-Aged Video Consumers' Beliefs About Algorithmic Recommendations on YouTube [2.8325478162326885]
  我々は,ビデオレコメンデーションシステムに関するユーザの信念を分析するために,中年YouTubeビデオ消費者と半構造化インタビューを行った。 我々は,先進行動,ソーシャルメディア,レコメンダシステム,企業方針という,ユーザの信念の4つのグループを識別する。 ユーザがビデオレコメンデーションに影響を及ぼすと信じている4つの主要なアクターを区別する枠組みを提案する。
  論文  参考訳（メタデータ） (2020-08-07T14:35:50Z)

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。