論文の概要: IDO: Incongruity-aware Distribution Optimization for Multimodal Fake News Detection

• arxiv url: http://arxiv.org/abs/2606.03418v1
• Date: Tue, 02 Jun 2026 10:02:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.922598
• Title: IDO: Incongruity-aware Distribution Optimization for Multimodal Fake News Detection
• Title（参考訳）: IDO:マルチモーダルフェイクニュース検出のための共分散最適化
• Authors: Hengyang Zhou, Rongman Hong, Yuxuan Zhou, Jing Wang, Zhaoyan Pan,
• Abstract要約: 本稿では,偽ニュース検出の性能向上を目的としたIDO(Inongruity-Aware Distribution Optimization)を提案する。 実情の不整合性に対して,意味的に識別可能な埋め込みを得るために,チャネルワイドの重み付け戦略を導入する。 モダリティの不整合性には、非整合性コントラスト学習を用いて、クロスモーダルな意味情報を学習する。
• 参考スコア（独自算出の注目度）: 6.684896724842189
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal fake news detection aims to identify the authenticity of news. Existing multimodal fake news detection methods mainly focus on cross-modal consistency, but often fail to explicitly model the semantic incongruity that characterizes deceptive multimodal content. However, misinformation often contains semantic information incongruity with the facts. To address these challenges, we propose Incongruity-aware Distribution Optimization (IDO) to improve the performance of fake news detection from the perspectives of factual incongruity and modality incongruity. For factual incongruity, we introduce a channel-wise reweighting strategy to obtain semantically discriminative embeddings and utilize gaussian distribution to model the uncertain correlation caused by factual incongruity. For modality incongruity, we utilize incongruity contrastive learning to learn cross-modal semantic information. Experiments demonstrate that IDO achieves state-of-the-art performance.
• Abstract（参考訳）: マルチモーダルフェイクニュース検出は、ニュースの真偽を特定することを目的としている。 既存のマルチモーダルフェイクニュース検出手法は、主にクロスモーダルな一貫性に重点を置いているが、しばしば、詐欺的なマルチモーダルコンテンツを特徴付ける意味的不一致を明示的にモデル化することができない。 しかし、誤報は事実と矛盾する意味情報を含むことが多い。 これらの課題に対処するため,本研究では,現実的不整合性とモダリティ不整合の観点から,偽ニュース検出の性能を向上させるために,IDO(Inongruity-Aware Distribution Optimization)を提案する。 現実的不整合性については,意味的識別的埋め込みとガウス分布を利用して,事実的不整合に起因する不整合性相関をモデル化するチャネルワイドの重み付け戦略を導入する。 モダリティの不整合性には、非整合性コントラスト学習を用いて、クロスモーダルな意味情報を学習する。 実験では、IDOが最先端のパフォーマンスを達成することを示す。

関連論文リスト

• Multimodal Inverse Attention Network with Intrinsic Discriminant Feature Exploitation for Fake News Detection [6.377687638891252]
  マルチモーダルフェイクニュース検出は、社会保障に深く影響しているため、大きな注目を集めている。 本稿では,ニュースコンテンツに基づく固有識別特徴を探索し,偽ニュース検出を推し進める新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2025-02-03T07:58:22Z)
• Modality Interactive Mixture-of-Experts for Fake News Detection [13.508494216511094]
  フェイクニュース検出のためのModality Interactive Mixture-of-Experts(MIMoE-FND)を提案する。 MIMoE-FNDは、マルチモーダルフェイクニュース検出を強化するために設計された、新しい階層型Mixture-of-Expertsフレームワークである。 2つの言語にまたがる3つの実世界のベンチマークに対する我々のアプローチを評価し、最先端の手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2025-01-21T16:49:00Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Inconsistent Matters: A Knowledge-guided Dual-consistency Network for Multi-modal Rumor Detection [53.48346699224921]
  マルチメディアコンテンツによる噂を検出するために,知識誘導型二元整合ネットワークを提案する。 2つの一貫性検出ツールを使用して、クロスモーダルレベルとコンテント知識レベルの不整合を同時にキャプチャする。 また、異なる視覚的モダリティ条件下で頑健なマルチモーダル表現学習を可能にする。
  論文  参考訳（メタデータ） (2023-06-03T15:32:20Z)
• Cross-Attention is Not Enough: Incongruity-Aware Dynamic Hierarchical Fusion for Multimodal Affect Recognition [69.32305810128994]
  モダリティ間の同調性は、特に認知に影響を及ぼすマルチモーダル融合の課題となる。 本稿では,動的モダリティゲーティング(HCT-DMG)を用いた階層型クロスモーダルトランスを提案する。 HCT-DMG: 1) 従来のマルチモーダルモデルを約0.8Mパラメータで上回り、2) 不整合が認識に影響を及ぼすハードサンプルを認識し、3) 潜在レベルの非整合性をクロスモーダルアテンションで緩和する。
  論文  参考訳（メタデータ） (2023-05-23T01:24:15Z)
• Cross-modal Contrastive Learning for Multimodal Fake News Detection [10.760000041969139]
  COOLANTはマルチモーダルフェイクニュース検出のためのクロスモーダルコントラスト学習フレームワークである。 クロスモーダル融合モジュールは、クロスモーダル相関を学習するために開発された。 アテンションガイダンスモジュールは、アライメントされたユニモーダル表現を効果的かつ解釈可能に集約するために実装される。
  論文  参考訳（メタデータ） (2023-02-25T10:12:34Z)

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。