論文の概要: FMNV: A Dataset of Media-Published News Videos for Fake News Detection
- arxiv url: http://arxiv.org/abs/2504.07687v3
- Date: Tue, 13 May 2025 14:09:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-14 14:37:18.755901
- Title: FMNV: A Dataset of Media-Published News Videos for Fake News Detection
- Title（参考訳）: FMNV:フェイクニュース検出のためのメディア配信ニュースビデオのデータセット
- Authors: Yihao Wang, Zhong Qian, Peifeng Li,
- Abstract要約: FMNVは,メディア組織によるニュースビデオで構成された新作のダセットである。
我々は,メディア公開ニュースを操作することで,コンテンツを自動生成するために,Large Language Models (LLMs) を採用している。
この研究は、メディアエコシステムにおいて、インパクトの高いフェイクニュースを検出するための重要なベンチマークを確立する。
- 参考スコア（独自算出の注目度）: 10.36393083923778
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: News media, particularly video-based platforms, have become deeply embed-ded in daily life, concurrently amplifying the risks of misinformation dissem-ination. Consequently, multimodal fake news detection has garnered signifi-cant research attention. However, existing datasets predominantly comprise user-generated videos characterized by crude editing and limited public en-gagement, whereas professionally crafted fake news videos disseminated by media outlets-often politically or virally motivated-pose substantially greater societal harm. To address this gap, we construct FMNV, a novel da-taset exclusively composed of news videos published by media organizations. Through empirical analysis of existing datasets and our curated collection, we categorize fake news videos into four distinct types. Building upon this taxonomy, we employ Large Language Models (LLMs) to automatically generate deceptive content by manipulating authentic media-published news videos. Furthermore, we propose FMNVD, a baseline model featuring a dual-stream architecture that integrates spatio-temporal motion features from a 3D ResNeXt-101 backbone and static visual semantics from CLIP. The two streams are fused via an attention-based mechanism, while co-attention modules refine the visual, textual, and audio features for effective multi-modal aggregation. Comparative experiments demonstrate both the generali-zation capability of FMNV across multiple baselines and the superior detec-tion efficacy of FMNVD. This work establishes critical benchmarks for de-tecting high-impact fake news in media ecosystems while advancing meth-odologies for cross-modal inconsistency analysis. Our dataset is available in https://github.com/DennisIW/FMNV.
- Abstract（参考訳）: ニュースメディア、特にビデオベースのプラットフォームは、日常に深く埋め込まれ、誤情報拡散のリスクを同時に増幅している。
その結果、マルチモーダルフェイクニュース検出はシグニフィカント研究の注目を集めた。
しかし、既存のデータセットは主に、粗雑な編集と限られた公的なエンゲージメントを特徴とするユーザー生成ビデオで構成され、一方、プロが制作した偽のニュースビデオは、政治的あるいはバイラルに動機づけられたメディアによって拡散される。
このギャップに対処するため,メディア組織が公開するニュースビデオのみからなる新しいダ・タセットであるFMNVを構築した。
既存のデータセットとキュレートされたコレクションの実証分析を通じて、フェイクニュースビデオを4つの異なるタイプに分類する。
この分類に基づいて,我々はLarge Language Models (LLMs) を用いて,真にメディアが公開するニュースビデオを操作することによって,偽装コンテンツを自動的に生成する。
さらに,3次元ResNeXt-101のバックボーンとCLIPの静的視覚的セマンティクスの時空間的特徴を統合した,デュアルストリームアーキテクチャを特徴とするベースラインモデルFMNVDを提案する。
2つのストリームはアテンションベースのメカニズムで融合され、コアテンションモジュールは視覚、テキスト、音声の機能を洗練し、効果的なマルチモーダルアグリゲーションを実現する。
FMNVの汎用化能力とFMNVDの優れたdetec-tion効果の比較実験を行った。
この研究は、メディアエコシステムにおけるハイインパクトフェイクニュースの非検出のための重要なベンチマークを確立し、また、クロスモーダル不整合解析のためのメソドロジーを推し進める。
私たちのデータセットはhttps://github.com/DennisIW/FMNVで公開されています。
関連論文リスト
- Exploring Modality Disruption in Multimodal Fake News Detection [16.607714608483164]
本稿では,モダリティ破壊問題に対処するため,マルチモーダルな偽ニュース検出フレームワークFND-MoEを提案する。
FND-MoEは、それぞれのデータセットで3.45%と3.71%の精度向上により、最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2025-04-12T09:39:29Z) - Short-video Propagation Influence Rating: A New Real-world Dataset and A New Large Graph Model [55.58701436630489]
クロスプラットフォームのショートビデオデータセットには、117,720の動画、381,926のサンプル、中国最大の5つのプラットフォームにわたる535のトピックが含まれている。
大グラフモデル(LGM)NetGPTは、多種多様なグラフ構造データを強力な推論能力とLarge Language Models(LLM)の知識で橋渡しすることができる
我々のNetGPTは,短ビデオ伝搬グラフの理解と解析が可能であり,短ビデオの長期伝搬の影響を予測できる。
論文 参考訳（メタデータ） (2025-03-31T05:53:15Z) - External Reliable Information-enhanced Multimodal Contrastive Learning for Fake News Detection [10.575512607941839]
ERIC-FNDは、フェイクニュース検出のための情報強化型マルチモーダルコントラスト学習フレームワークである。
実験は、X(Twitter)とWeiboという、さまざまな言語で一般的に使用されている2つのデータセットで行われます。
論文 参考訳（メタデータ） (2025-03-05T02:07:38Z) - VMID: A Multimodal Fusion LLM Framework for Detecting and Identifying Misinformation of Short Videos [14.551693267228345]
本稿では,マルチモーダル情報に基づく新しいフェイクニュース検出手法を提案する。
提案フレームワークは,ビデオにマルチモーダル機能を組み込むことで,偽ニュース検出の精度と信頼性を大幅に向上させる。
論文 参考訳（メタデータ） (2024-11-15T08:20:26Z) - Official-NV: An LLM-Generated News Video Dataset for Multimodal Fake News Detection [9.48705939124715]
マルチモーダル フェイクニュース検知が 最近注目を集めています
公式なニュースビデオを含むOffic-NVというデータセットを構築した。
また,マルチモーダル特徴量からキー情報をキャプチャするOFNVDと呼ばれる新しいベースラインモデルを提案する。
論文 参考訳（メタデータ） (2024-07-28T13:23:43Z) - Detect, Investigate, Judge and Determine: A Knowledge-guided Framework for Few-shot Fake News Detection [50.079690200471454]
Few-Shot Fake News Detection (FS-FND) は、極めて低リソースのシナリオにおいて、非正確なニュースを実際のニュースと区別することを目的としている。
ソーシャルメディア上でのフェイクニュースの拡散や有害な影響により、このタスクは注目を集めている。
本稿では,内外からLLMを増強するDual-perspective Knowledge-Guided Fake News Detection (DKFND)モデルを提案する。
論文 参考訳（メタデータ） (2024-07-12T03:15:01Z) - VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs [64.60035916955837]
VANE-Benchはビデオの異常や矛盾を検出するためのビデオLMMの熟練度を評価するために設計されたベンチマークである。
我々のデータセットは、既存の最先端のテキスト・ビデオ生成モデルを用いて合成された一連のビデオから構成される。
我々は、このベンチマークタスクにおいて、オープンソースとクローズドソースの両方で既存の9つのビデオLMMを評価し、ほとんどのモデルが微妙な異常を効果的に識別するのに困難に直面することを発見した。
論文 参考訳（メタデータ） (2024-06-14T17:59:01Z) - Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。
偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
論文 参考訳（メタデータ） (2022-11-25T18:24:17Z) - VMSMO: Learning to Generate Multimodal Summary for Video-based News
Articles [63.32111010686954]
マルチモーダル出力(VMSMO)を用いたビデオベースマルチモーダル要約の課題を提案する。
このタスクの主な課題は、ビデオの時間的依存性と記事の意味を共同でモデル化することである。
本稿では,デュアルインタラクションモジュールとマルチモーダルジェネレータからなるDual-Interaction-based Multimodal Summarizer (DIMS)を提案する。
論文 参考訳（メタデータ） (2020-10-12T02:19:16Z) - Predicting the Popularity of Micro-videos with Multimodal Variational
Encoder-Decoder Framework [54.194340961353944]
マイクロビデオ人気タスクのためのマルチモーダル変分エンコーダ・デコーダフレームワークを提案する。
MMVEDは、その人気レベルに情報を与えるマイクロビデオの埋め込みを学習する。
Xiguaから収集した公開データセットとデータセットで実施された実験は、提案したMMVEDフレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2020-03-28T06:08:16Z)
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。