論文の概要: NepOOC-M: Bilingual Nepali-English Benchmark and Comparative Analysis of Multimodal Architectures for OOC Detection

• arxiv url: http://arxiv.org/abs/2608.19212v1
• Date: Thu, 18 Jun 2026 12:04:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.266844
• Title: NepOOC-M: Bilingual Nepali-English Benchmark and Comparative Analysis of Multimodal Architectures for OOC Detection
• Title（参考訳）: NepOOC-M:バイリンガルネパール英語ベンチマークとOOC検出のためのマルチモーダルアーキテクチャの比較分析
• Abstract要約: アウト・オブ・コンテクスト(OOC)の誤報は、誤解を招くキャプションと真正の画像をペアリングして、画像操作なしで偽の物語を構築する。 ネパールで最初に公開された多言語OOCベンチマークであるNepOOCを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Out-of-context (OOC) misinformation pairs authentic images with misleading captions to construct false narratives without image manipulation, making detection a problem of multimodal alignment rather than image forensics. Despite the prevalence and consequences of OOC misinformation in Nepal, no public benchmark exists for Nepali. We introduce NepOOC, the first publicly available Nepali-dominant multilingual OOC benchmark, comprising 1,090 image-caption pairs (545 pristine, 545 OOC) annotated across five typologies (fabricated, miscaptioned, temporal mismatch, geographic mismatch, identity mismatch) with inter-annotator agreement kappa = 0.84. Systematic evaluation of five multimodal architectures alongside text-only and image-only baselines reveals that caption semantics appear sufficient for strong performance at the current dataset scale. A text-only mBERT model achieves 94.65+/-0.20% Macro-F1, statistically equivalent to the best multimodal system (ResNet-50+mBERT, 94.65+/-0.20%; McNemar median p = 1.000, 0/5 seeds significant at alpha = 0.05). Image-only models perform near chance (33-50%), while training-size scaling suggests that dataset expansion is a more direct path to progress than architectural sophistication or regional specialisation.
• Abstract（参考訳）: アウト・オブ・コンテクスト(OOC)の誤報は、誤読キャプションと一致し、画像操作をせずに偽の物語を構築する。 ネパールにおけるOOC誤報の流行と結果にもかかわらず、ネパールの公的基準は存在しない。 提案手法は,5つのタイポロジー(ファブリック,誤字,時間的ミスマッチ,地理的ミスマッチ,アイデンティティミスマッチ)に1090のイメージキャプションペア (545 pristine, 545 OOC) をアノテートし,アノテータ間合意 (kappa = 0.84。 テキストのみと画像のみのベースラインを伴う5つのマルチモーダルアーキテクチャの体系的評価により、現在のデータセットスケールでの強力なパフォーマンスに十分なキャプションセマンティクスが現れることが明らかになった。 テキストのみのmBERTモデルは94.65+/-0.20%のマクロ-F1であり、統計学的に最高のマルチモーダルシステムと等価である(ResNet-50+mBERT, 94.65+/-0.20%; McNemar 中央値 p = 1.000, 0/5 のアルファ = 0.05)。 画像のみのモデルは、ほぼ偶然(33-50%)に実行され、トレーニングサイズのスケーリングは、データセットの拡張が、アーキテクチャの高度化や地域的な専門化よりも、進歩への直接の道であることを示している。

関連論文リスト

• Theia: Large-Scale Multimodal Captioning and Automated Validation of the Incidents1M Dataset for Data-Free Distillation [43.1212452324751]
  この領域の既存のデータセットは完全に記述的テキストを欠いているか、あるいは厳しいテキストイメージのセマンティックなミスアライメントに悩まされている。 本稿では,災害対応のための大規模マルチモーダルデータセットの構築と自動検証を行う新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-07-30T14:23:01Z)
• Learning Hyperspectral Images with Curated Text Prompts for Efficient Multimodal Alignment [1.7188280334580195]
  我々は、CLIPスタイルのコントラストトレーニングフレームワークを利用して、超スペクトルシーン理解のための視覚言語モデル(VLM)の最適化を試みる。 我々のフレームワークは、視覚バックボーンから凍結した大きな埋め込みモデルの潜在空間へのボクセルレベルの埋め込みをマッピングする。 提案手法は全パラメータの0.07パーセントしか更新していないが、最先端の性能が得られる。
  論文  参考訳（メタデータ） (2025-09-20T23:23:04Z)
• Towards Zero-Shot Camera Trap Image Categorization [0.0]
  本稿では,カメラトラップ画像の自動分類に対する代替手法の探索について述べる。 すべての画像に対して単一のモデルを用いて最先端の分類器をベンチマークする。 次に,MegaDetectorを1つ以上の分類器とSegment Anythingを組み合わせて,位置特化オーバーフィッティングの低減効果を評価する。 最後に,DINOv2,BioCLIP,BLIP,ChatGPTなどの大規模言語モデルと基礎モデルを用いて,ゼロショットシナリオで2つのアプローチを提案し,検証する。
  論文  参考訳（メタデータ） (2024-10-16T17:44:58Z)
• UniBoost: Unsupervised Unimodal Pre-training for Boosting Zero-shot Vision-Language Tasks [60.46473247205654]
  大規模で教師なしのユニモーダルモデルを事前学習として使用することにより、画像テキストペアモデルのゼロショット性能を向上させることができる。 実験の結果,単調な事前学習は最先端のCLIPモデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-06-07T18:26:22Z)
• Re-evaluating the Need for Multimodal Signals in Unsupervised Grammar Induction [119.07444667700473]
  近年の研究では、マルチモーダルな学習インプットが文法誘導を改善することが示されている。 LC-PCFGと呼ぶ強力なテキストのみのベースラインを設計する。 LC-PCFGは、最先端のマルチモーダル文法誘導法と比較して最大17%改善したコーパスF1を提供する。
  論文  参考訳（メタデータ） (2022-12-20T18:59:50Z)
• Improving Zero-shot Generalization and Robustness of Multi-modal Models [70.14692320804178]
  CLIPやLiTのようなマルチモーダルな画像テキストモデルは、画像分類ベンチマークで顕著な性能を示している。 本研究は,この性能差の原因を考察し,テキストプロンプトの曖昧さによる障害事例の多くが原因であることを示す。 本稿では,WordNet階層を用いて,不確実な画像の精度を向上させるための簡易かつ効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-12-04T07:26:24Z)
• Introspective Deep Metric Learning for Image Retrieval [80.29866561553483]
  良好な類似性モデルは、より堅牢なトレーニングのために曖昧なイメージをよりよく扱うように注意しながら、意味的な相違を考慮すべきである、と我々は主張する。 本稿では,画像の意味的特徴とあいまいさを記述した,意味的埋め込みだけでなく,付随する不確実性埋め込みを用いて画像を表現することを提案する。 提案したIDMLフレームワークは,不確実性モデリングによるディープメトリック学習の性能向上を実現し,広く使用されているCUB-200-2011,Cars196,Stanford Online Productsデータセットの最先端結果を得る。
  論文  参考訳（メタデータ） (2022-05-09T17:51:44Z)
• PyramidCLIP: Hierarchical Feature Alignment for Vision-language Model Pretraining [68.84339672878066]
  意味レベルが異なる入力ピラミッドを構築し,視覚的要素と言語的要素を階層構造として整列させる。 ゼロショット画像分類、ゼロショット画像テキスト検索、画像オブジェクト検出を含む3つの下流タスクの実験は、提案したピラミドCLIPの有効性を検証する。
  論文  参考訳（メタデータ） (2022-04-29T13:38:42Z)
• Improved Bengali Image Captioning via deep convolutional neural network based encoder-decoder model [0.8793721044482612]
  本稿では,マルチモーダルアーキテクチャを用いたエンドツーエンド画像キャプションシステムを提案する。 提案手法の言語エンコーダは,キャプション内の微細な情報をキャプチャし,画像の特徴と組み合わせることで,正確かつ多様なキャプションを生成する。
  論文  参考訳（メタデータ） (2021-02-14T16:44:17Z)

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。