論文の概要: From Cheap Fakes to Pure Synthesis: Addressing the New Era of T2V Fake News Videos
- arxiv url: http://arxiv.org/abs/2608.06732v1
- Date: Fri, 07 Aug 2026 02:54:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.334281
- Title: From Cheap Fakes to Pure Synthesis: Addressing the New Era of T2V Fake News Videos
- Title（参考訳）: チープフェイクから純合成へ:T2Vフェイクニューズビデオの新時代への対応
- Abstract要約: 我々は、最初の純粋合成フェイクニュースビデオデータセット(PS-FNVD)を構築した。
PS-FNVDは、整列した偽造イベントと、偽の視覚的証明を伴う真のイベントを含む。
我々はReasoning-guided T2V-FNVDフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 9.046953630665673
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent text-to-video (T2V) generation models enable fake news videos to be synthesized from scratch, shifting the threat beyond cheap fakes assembled from existing footage. Such news videos can closely match fabricated narratives, creating a modality alignment trap for existing detectors. Existing datasets lack pure synthesis fake news videos. Although directly prompting T2V models with descriptions of fake news videos can yield perfectly aligned samples, it reduces the fake news video detection (FNVD) to unimodal shortcuts and causes semantic-visual degeneration. To counter this, we formulate T2V-FNVD as a novel ternary classification task with three labels (real, cheap fake, and pure synthesis fake) and construct the first pure synthesis fake news video dataset (PS-FNVD). PS-FNVD includes fabricated events with aligned deception (Type 1) and true events with false visual provenance (Type 2), preventing models from exploiting unimodal shortcuts. Furthermore, we propose the Reasoning-guided T2V-FNVD (R-T2V) framework. Trained through conditioned rationale generation and supervised fine-tuning, R-T2V integrates high-level semantic logic with low-level physical generative traces to predict the ternary veracity label. Extensive experiments across 10 prevailing baselines show that R-T2V achieves the state-of-the-art performance, outperforming the second-best baseline by 12.20 percentage points in accuracy and 8.46 percentage points in macro $F_1$.
- Abstract（参考訳）: 最近のテキスト・ツー・ビデオ(T2V)生成モデルでは、偽のニュースビデオをゼロから合成することが可能で、既存の映像から集めた安価な偽の映像よりも脅威がシフトしている。
このようなニュースビデオは、作り話と密接に一致し、既存の検出器のためのモダリティアライメントトラップを作ることができる。
既存のデータセットには、純粋な合成フェイクニュースビデオがない。
フェイクニュース映像を記述したT2Vモデルを直接誘導すると、完全に整列したサンプルが得られるが、フェイクニュースビデオ検出(FNVD)を非モーダルショートカットに還元し、セマンティック・ビジュアル・デジェネレーションを引き起こす。
そこで我々は,T2V-FNVDを3つのラベル(本物,安価な偽造品,純粋な合成偽造品)による新しい3次分類タスクとして定式化し,最初の純粋な合成フェイクニュースビデオデータセット(PS-FNVD)を構築した。
PS-FNVDは、整列された偽造イベント(Type 1)と偽の視覚的証明イベント(Type2)を含んでおり、モデルが不正なショートカットを悪用するのを防ぐ。
さらに,Reasoning-guided T2V-FNVD (R-T2V) フレームワークを提案する。
R-T2Vは条件付き合理生成と教師付き微調整を通じて訓練され、高レベルのセマンティックロジックと低レベルの物理生成トレースを統合して三次検証ラベルを予測する。
10の一般的なベースラインにわたる大規模な実験は、R-T2Vが最先端のパフォーマンスを達成し、2番目に高いベースラインを12.20ポイント、マクロ$F_1$で8.46ポイント上回ったことを示している。
関連論文リスト
- Talker-T2AV: Joint Talking Audio-Video Generation with Autoregressive Diffusion Modeling [59.97930201616015]
本研究では,共有バックボーン内で高レベルなクロスモーダルモデリングを行う自己回帰拡散フレームワークであるTalker-T2AVを提案する。
共有自己回帰言語モデルは、統一されたパッチレベルのトークン空間において、オーディオとビデオに対して共同で原因となる。
ポートレートベンチマークの実験では、Talker-T2AVはリップシンク精度、ビデオ品質、オーディオ品質において、デュアルブランチベースラインを上回っている。
論文 参考訳（メタデータ） (2026-04-26T07:48:47Z) - Factorized Video Generation: Decoupling Scene Construction and Temporal Synthesis in Text-to-Video Diffusion Models [76.7535001311919]
State-of-the-the-art Text-to-Video (T2V)拡散モデルは視覚的に印象的な結果を生成することができるが、複雑なシーンを作成したり、論理的時間的指示に従うのに失敗することが多い。
テキスト・ツー・ビデオ・ジェネレーションを3つの特殊ステージに分解することでこれらのタスクを分離するパイプラインであるFVGを紹介した。
提案手法は,T2V CompBench ベンチマークに新たな最先端技術を導入し,VBench2 上でのテストモデルすべてを大幅に改善する。
論文 参考訳（メタデータ） (2025-12-18T10:10:45Z) - TRANSPORTER: Transferring Visual Semantics from VLM Manifolds [56.749972238005604]
本稿では,ビデオ生成のためのモデルに依存しないアプローチであるTransportERとともに,ロジット・トゥ・ビデオ(L2V)タスクを提案する。
TransporterはVLMの高セマンティック埋め込み空間への最適輸送結合を学習する。
代わりに、ロジットスコアは条件付きビデオ生成のための埋め込み方向を定義する。
論文 参考訳（メタデータ） (2025-11-23T09:12:48Z) - Video Text Preservation with Synthetic Text-Rich Videos [5.03317364227682]
テキスト・トゥ・ビデオ(T2V)モデルは、ビデオ内で正当で一貫性のあるテキストを生成するのに苦労する。
本研究では,T2V拡散モデルを改善するための軽量な手法について,合成監督法を用いて検討する。
論文 参考訳（メタデータ） (2025-11-04T16:20:38Z) - Enhancing Fake News Video Detection via LLM-Driven Creative Process Simulation [14.79644134032037]
ショートビデオプラットフォームにおけるフェイクニュースの出現は、新たな重要な社会的関心事となっている。
現在の検出器は、偽のニュースビデオを本物と区別するためのパターンベースの機能に依存している。
本稿では,一般的な創作プロセスをシミュレートして,多様なフェイクニュースビデオを生成するデータ拡張フレームワークであるAgentAugを提案する。
論文 参考訳（メタデータ） (2025-10-05T04:05:37Z) - Multimodal Fake News Video Explanation: Dataset, Analysis and Evaluation [13.779579002878918]
我々は、2,672件のフェイクニュースビデオ投稿の新しいデータセットを開発し、現実のフェイクニュースビデオの4つの側面を確実に説明できる。
さらに,FakeVEをベンチマークするマルチモーダル変換器(Multimodal Relation Graph Transformer:MRGT)を提案する。
論文 参考訳（メタデータ） (2025-01-15T01:52:54Z) - V2SFlow: Video-to-Speech Generation with Speech Decomposition and Rectified Flow [57.51550409392103]
本稿では,V2SFlowについて紹介する。V2SFlowは,サイレント・トーキング・フェイス・ビデオから直接自然で分かりやすい音声を生成するために設計された,新しいビデオ音声合成(V2S)フレームワークである。
これらの課題に対処するため、音声信号を管理可能な部分空間に分解し、それぞれ異なる音声属性を表現し、視覚入力から直接予測する。
これらの予測属性からコヒーレントでリアルな音声を生成するために,Transformerアーキテクチャ上に構築された正流整合デコーダを用いる。
論文 参考訳（メタデータ） (2024-11-29T05:55:20Z) - Exploring Pre-trained Text-to-Video Diffusion Models for Referring Video Object Segmentation [72.90144343056227]
ビデオ理解タスクのためのテキスト・ツー・ビデオ拡散モデル(T2V)から生成した視覚的表現について検討する。
固定されたT2Vモデル上に構築された専用コンポーネントを備えた新しいフレームワーク「VD-IT」を紹介する。
我々のVD-ITは、既存の最先端手法を超越して、非常に競争力のある結果を得る。
論文 参考訳（メタデータ） (2024-03-18T17:59:58Z) - Subjective-Aligned Dataset and Metric for Text-to-Video Quality Assessment [54.00254267259069]
現在までに最大規模のテキスト・ビデオ品質評価データベース(T2VQA-DB)を構築している。
データセットは、9つの異なるT2Vモデルによって生成される1万のビデオで構成されている。
主観的テキスト・ビデオ品質評価(T2VQA)のためのトランスフォーマーに基づく新しいモデルを提案する。
論文 参考訳（メタデータ） (2024-03-18T16:52:49Z) - Two Stage Transformer Model for COVID-19 Fake News Detection and Fact
Checking [0.3441021278275805]
我々は、自然言語処理のための機械学習モデルの状態を用いて、新型コロナウイルスの偽ニュース検出のための2段階の自動パイプラインを開発する。
最初のモデルは、新型コロナウイルス(COVID-19)の特定のクレームに関するユーザーのクレームに関する最も関連性の高い事実を検索する、新しい事実チェックアルゴリズムを活用する。
第2のモデルは、クレームと、手動でキュレートされたCOVID-19データセットから取得した真事実の間のテキストの関連性を計算することによって、クレームの真理レベルを検証する。
論文 参考訳（メタデータ） (2020-11-26T11:50:45Z)
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。