論文の概要: Is a Picture Worth a Thousand Words? Adaptive Multimodal Fact-Checking with Visual Evidence Necessity

• arxiv url: http://arxiv.org/abs/2604.04692v1
• Date: Mon, 06 Apr 2026 14:01:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.214807
• Title: Is a Picture Worth a Thousand Words? Adaptive Multimodal Fact-Checking with Visual Evidence Necessity
• Title（参考訳）: 絵は数千語の価値はあるか? 視覚的エビデンスの必要性を考慮した適応型マルチモーダルファクトチェッキング
• Authors: Jaeyoon Jung, Yejun Yoon, Kunwoo Park,
• Abstract要約: AMuFCは、視覚的エビデンスを適応的に利用するために2つの協調エージェントを使用するマルチモーダルなファクトチェックフレームワークである。 解析器の視覚的エビデンス評価を検証器の予測に組み込むことで,検証性能が大幅に向上することを示す。 すべてのコードに加えて、より現実的なシナリオでファクトチェックモジュールを評価するために新たに構築されたデータセットであるWebFCもリリースします。
• 参考スコア（独自算出の注目度）: 7.793738133162104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated fact-checking is a crucial task not only in journalism but also across web platforms, where it supports a responsible information ecosystem and mitigates the harms of misinformation. While recent research has progressed from text-only to multimodal fact-checking, a prevailing assumption is that incorporating visual evidence universally improves performance. In this work, we challenge this assumption and show that indiscriminate use of multimodal evidence can reduce accuracy. To address this challenge, we propose AMuFC, a multimodal fact-checking framework that employs two collaborative agents with distinct roles for the adaptive use of visual evidence: An Analyzer determines whether visual evidence is necessary for claim verification, and a Verifier predicts claim veracity conditioned on both the retrieved evidence and the Analyzer's assessment. Experimental results on three datasets show that incorporating the Analyzer's assessment of visual evidence necessity into the Verifier's prediction yields substantial improvements in verification performance. In addition to all code, we release WebFC, a newly constructed dataset for evaluating fact-checking modules in a more realistic scenario, available at https://github.com/ssu-humane/AMuFC.
• Abstract（参考訳）: ファクトチェックの自動化はジャーナリズムだけでなく、Webプラットフォーム全体でも重要な課題であり、そこでは責任ある情報エコシステムをサポートし、誤情報による被害を軽減する。 最近の研究はテキストのみからマルチモーダルなファクトチェックへと進歩しているが、視覚的エビデンスを取り入れることで、パフォーマンスが普遍的に向上する、という仮説が有力である。 本研究では,この仮定に挑戦し,無差別なマルチモーダルエビデンスの利用が精度を低下させることを示す。 この課題に対処するため,AMuFCは,視覚的エビデンスを適応的に活用するために異なる役割を持つ2つの協調エージェントを用いたマルチモーダルなファクトチェックフレームワークである。 3つのデータセットによる実験結果から,解析器の視覚的エビデンス評価を検証器の予測に組み込むことで,検証性能が大幅に向上することが確認された。 すべてのコードに加えて、より現実的なシナリオでファクトチェックモジュールを評価するために新たに構築されたデータセットであるWebFCも、https://github.com/ssu-humane/AMuFCで公開しています。

関連論文リスト

• DEFAME: Dynamic Evidence-based FAct-checking with Multimodal Experts [35.952854524873246]
  Dynamic Evidence-based FAct-checking with Multimodal Experts (DEFAME)は、オープンドメイン、テキストイメージクレーム検証のためのゼロショットMLLMパイプラインである。 DEFAMEは6段階のプロセスで動作し、ツールと検索深度を動的に選択し、テキストおよび視覚的証拠を抽出し、評価する。
  論文  参考訳（メタデータ） (2024-12-13T19:11:18Z)
• Multimodal Misinformation Detection using Large Vision-Language Models [7.505532091249881]
  大規模言語モデル(LLM)は、様々なタスクにおいて顕著なパフォーマンスを示している。 誤情報検出の一部として証拠検索を考えるアプローチはほとんどない。 マルチモーダルエビデンス検索のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T13:57:11Z)
• EX-FEVER: A Dataset for Multi-hop Explainable Fact Verification [22.785622371421876]
  マルチホップで説明可能な事実検証のための先駆的データセットを提案する。 2ホップと3ホップの推論を含む6万件以上の主張により、それぞれがハイパーリンクされたウィキペディア文書から情報を要約して修正することによって作成される。 提案するEX-FEVERデータセットをベースラインとして,文書検索,説明生成,クレーム検証を行う。
  論文  参考訳（メタデータ） (2023-10-15T06:46:15Z)
• Give Me More Details: Improving Fact-Checking with Latent Retrieval [58.706972228039604]
  証拠は、自動化された事実チェックにおいて重要な役割を果たす。 既存のファクトチェックシステムは、エビデンス文が与えられたと仮定するか、検索エンジンが返した検索スニペットを使用する。 資料から得られた全文を証拠として組み込んで,2つの豊富なデータセットを導入することを提案する。
  論文  参考訳（メタデータ） (2023-05-25T15:01:19Z)
• WiCE: Real-World Entailment for Claims in Wikipedia [63.234352061821625]
  We propose WiCE, a new fine-fine textual entailment dataset built on natural claim and evidence pairs from Wikipedia。 標準クレームレベルのエンターメントに加えて、WiCEはクレームのサブ文単位に対するエンターメント判断を提供する。 我々のデータセットの真のクレームは、既存のモデルで対処できない検証と検索の問題に挑戦することを含んでいる。
  論文  参考訳（メタデータ） (2023-03-02T17:45:32Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)
• Generating Fact Checking Explanations [52.879658637466605]
  まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。 本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。 この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T05:23:25Z)

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。