論文の概要: GenLie: A Global-Enhanced Lie Detection Network under Sparsity and Semantic Interference

• arxiv url: http://arxiv.org/abs/2603.16935v1
• Date: Sat, 14 Mar 2026 14:08:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.272267
• Title: GenLie: A Global-Enhanced Lie Detection Network under Sparsity and Semantic Interference
• Title（参考訳）: GenLie: 空間的および意味的干渉下でのグローバルに拡張されたリー検出ネットワーク
• Authors: Zongshun Zhang, Yao Liu, Qiao Liu, Xuefeng Peng, Peiyuan Jiang, Jiaye Yang, Daibing Yao, Wei Lin,
• Abstract要約: 我々は,グローバル監視の下で局所的特徴モデリングを行うGlobal-Enhanced Lie Detection NetworkであるGenLieを提案する。 具体的には、緩やかで微妙な騙しの手がかりを地域レベルで捉え、グローバルな監督と最適化によって、堅牢で差別的な表現が保証される。 ハイテイクシナリオとローテイクシナリオの両方をカバーする3つの公開データセットの実験は、GenLieが一貫して最先端のメソッドを上回っていることを示している。
• 参考スコア（独自算出の注目度）: 7.452591426579438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video-based lie detection aims to identify deceptive behaviors from visual cues. Despite recent progress, its core challenge lies in learning sparse yet discriminative representations. Deceptive signals are typically subtle and short-lived, easily overwhelmed by redundant information, while individual and contextual variations introduce strong identity-related noise. To address this issue, we propose GenLie, a Global-Enhanced Lie Detection Network that performs local feature modeling under global supervision. Specifically, sparse and subtle deceptive cues are captured at the local level, while global supervision and optimization ensure robust and discriminative representations by suppressing identity-related noise. Experiments on three public datasets, covering both high- and low-stakes scenarios, show that GenLie consistently outperforms state-of-the-art methods. Source code is available at https://github.com/AliasDictusZ1/GenLie.
• Abstract（参考訳）: ビデオに基づく嘘検出は、視覚的手がかりから偽りの行動を特定することを目的としている。 近年の進歩にもかかわらず、その中核となる課題は、まばらだが差別的な表現を学ぶことである。 知覚信号は一般的に微妙で短命であり、冗長な情報に圧倒されやすい。 この問題に対処するため,グローバル監視の下で局所的特徴モデリングを行うGlobal-Enhanced Lie Detection NetworkであるGenLieを提案する。 具体的には、局所レベルでは疎密で微妙な騙しの手がかりが捉えられ、一方、グローバルな監督と最適化は、アイデンティティ関連ノイズを抑えることによって、堅牢で差別的な表現を確実にする。 ハイテイクシナリオとローテイクシナリオの両方をカバーする3つの公開データセットの実験は、GenLieが一貫して最先端のメソッドを上回っていることを示している。 ソースコードはhttps://github.com/AliasDictusZ1/GenLieで入手できる。

関連論文リスト

• Few Shot Semi-Supervised Learning for Abnormal Stop Detection from Sparse GPS Trajectories [9.895353254067894]
  都市間交通における異常な停止検知は、乗客の安全、運転の信頼性、規制の遵守を保証するために重要である。 既存の方法は、しばしば密度の高いサンプリングや規則的な動きパターンを仮定し、適用性を制限する。 本研究では,局所空間時間密度に基づいてセグメント境界を適応的に定義するスパーシティ・アウェア (SAS) 手法を提案する。
  論文  参考訳（メタデータ） (2025-10-14T16:22:34Z)
• Why Speech Deepfake Detectors Won't Generalize: The Limits of Detection in an Open World [11.238970239267248]
  音声ディープフェイク検出器は、しばしばクリーンでベンチマークスタイルの条件で評価される。 しかしデプロイメントは、デバイスのシフト、サンプリング率、コーデック、環境、攻撃家族といったオープンな世界で発生します。 これにより、AIベースの検出器に対する"カバレッジ負債"が発生し、収集可能なデータよりも高速に成長するデータ盲点が生成される。
  論文  参考訳（メタデータ） (2025-09-23T20:27:04Z)
• Unsupervised Hallucination Detection by Inspecting Reasoning Processes [53.15199932086543]
  非教師付き幻覚検出は、ラベル付きデータに頼ることなく、大規模言語モデル(LLM)が生成する幻覚コンテンツを特定することを目的としている。 本稿では,非教師なし幻覚検出フレームワークIRISを提案する。 我々の手法は完全に教師なし、計算コストが低く、訓練データが少ない場合でもうまく機能し、リアルタイム検出に適しています。
  論文  参考訳（メタデータ） (2025-09-12T06:58:17Z)
• GlocalCLIP: Object-agnostic Global-Local Prompt Learning for Zero-shot Anomaly Detection [5.530212768657544]
  グローバルプロンプトとローカルプロンプトの相補的学習を改善するために,局所的コントラスト学習を導入する。 ZSADにおけるGlocalCLIPの一般化性能を実世界の15のデータセットで実証した。
  論文  参考訳（メタデータ） (2024-11-09T05:22:13Z)
• Exploring Visual Context for Weakly Supervised Person Search [155.46727990750227]
  人探索は、歩行者の検出と人物の再識別を共同で扱う、困難なタスクとして最近登場した。 既存のアプローチは、バウンディングボックスとIDアノテーションの両方が利用可能な完全に教師付き設定に従っている。 本稿では,ボックスアノテーションのみを用いた弱教師付き人物検索について実験的に考察する。
  論文  参考訳（メタデータ） (2021-06-19T14:47:13Z)
• Seeking the Shape of Sound: An Adaptive Framework for Learning Voice-Face Association [94.7030305679589]
  上記の課題を共同で解決するための新しい枠組みを提案します。 我々はモダリティアライメントプロセスにグローバル損失を導入する。 提案メソッドは、複数の設定で以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2021-03-12T14:10:48Z)
• Watching You: Global-guided Reciprocal Learning for Video-based Person Re-identification [82.6971648465279]
  映像に基づくRe-IDのための新しいグローバルガイド相互学習フレームワークを提案する。 我々のアプローチは他の最先端のアプローチよりも優れたパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2021-03-07T12:27:42Z)
• Multi-attentional Deepfake Detection [79.80308897734491]
  ディープフェイクによる顔の偽造はインターネットに広まり、深刻な社会的懸念を引き起こしている。 新たなマルチアテンテーショナルディープフェイク検出ネットワークを提案する。 具体的には,1)ネットワークを異なる局所的部分へ配置するための複数の空間的注意ヘッド,2)浅い特徴の微妙なアーティファクトをズームするテクスチャ的特徴拡張ブロック,3)低レベルなテクスチャ特徴と高レベルなセマンティクス特徴をアグリゲートする,の3つの構成要素からなる。
  論文  参考訳（メタデータ） (2021-03-03T13:56:14Z)
• GID-Net: Detecting Human-Object Interaction with Global and Instance Dependency [67.95192190179975]
  GIDブロックと呼ばれる2段階の訓練可能な推論機構を導入する。 GID-Netは、ヒューマンブランチ、オブジェクトブランチ、インタラクションブランチで構成される、人間とオブジェクトのインタラクション検出フレームワークである。 我々は,提案したGID-Netを,V-COCOとHICO-DETを含む2つの公開ベンチマーク上で既存の最先端手法と比較した。
  論文  参考訳（メタデータ） (2020-03-11T11:58:43Z)

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。