論文の概要: Let the Bullets Fly: Multimodal Fake News Detection with Temporal-Aligned Generative Danmaku
- arxiv url: http://arxiv.org/abs/2608.22832v1
- Date: Mon, 24 Aug 2026 05:50:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.902737
- Title: Let the Bullets Fly: Multimodal Fake News Detection with Temporal-Aligned Generative Danmaku
- Title（参考訳）: タイムアライン・ジェネレーション・ダンマクによるマルチモーダルフェイクニュースの検出
- Abstract要約: textitDanmaku(弾丸コメント)は、偽ニュースの検出に役立てる、きめ細かい識別的な社会的シグナルを提供する。
textitDanmakuの実際のシナリオにおける蓄積遅延は、フェイクニュース検出のリアルタイムの必要性に反する。
本稿では、新しい時間的テキストbf生成テキストbfdanmaku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）: 11.425128043674958
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The social interactions among crowds via \textit{Danmaku} (a.k.a., bullet comments) on modern multimedia platforms can facilitate both viewpoint conflicts and consensus, providing fine-grained discriminative social signals that can benefit fake news detection. However, the inherent accumulation latency of \textit{Danmaku} in real-world scenarios violates the real-time necessity of fake news detection, making the studies of \textit{Danmaku}-related fake news detection underexplored. To break this violation, we simulate this temporal-aware user interactive process by proposing a novel temporal \textbf{Gen}erative \textbf{da}nmaku framework, called \textbf{Genda}, which consists of: (1) a \textit{Danmaku} Trigger for predicting the timing and intensity of user reactions; and (2) a \textit{Danmaku} Generator for synthesizing corresponding semantic and emotional expressions, thereby mutually constructing a temporally aligned and human-like pseudo \textit{Danmaku} streams. To make the generated \textit{Danmaku} useful for identifying fake news videos, we further design a \textit{Danmaku}-guided Temporal Multimodal fake news detection model - \textbf{DM-FEND}, which enables fine-grained multimodal interactions among video, audio, text, and \textit{Danmaku}, enhancing dynamic modalities alignment and semantic noise inhibition. The experimental results demonstrate that \emph{DM-FEND} consistently outperforms state-of-the-art baselines across both Chinese (FakeSV) and English (FakeTT) benchmarks. Further ablations validate the crucial role of temporal \textit{Danmaku} modeling in enhancing robustness and discriminative capability. Finally, this study offers a bright and robust solution for multimodal fake news detection in modern social interactive fashions by bridging the temporal inconsistency between news and user behaviors.
- Abstract（参考訳）: 現代のマルチメディアプラットフォーム上での「textit{Danmaku}」(即ち「弾丸コメント」)による群衆間の社会的相互作用は、視点の対立とコンセンサスの両方を容易にし、フェイクニュース検出の恩恵を受けるためのきめ細かい識別的社会的シグナルを提供する。
しかし、現実のシナリオにおける‘textit{Danmaku}’の固有の蓄積遅延は、偽ニュース検出のリアルタイムの必要性に反し、‘textit{Danmaku}関連偽ニュース検出の研究を過小評価している。
本研究では,(1)ユーザの反応のタイミングと強度を予測するための \textit{Danmaku} Trigger と,(2) 対応する意味表現と感情表現を合成するための \textit{Danmaku} ジェネレータを用いて,時間的に整列した擬似的な \textit{Danmaku} ストリームを相互に構築する。
生成した「textit{Danmaku}」をフェイクニュースビデオの識別に役立てるために、ビデオ、音声、テキスト、および「textit{Danmaku}」間の微細なマルチモーダルインタラクションを可能にする「textit{Danmaku}-guided Temporal Multimodal fake news detection model - \textbf{DM-FEND}」を設計し、動的モーダルアライメントの強化と意味ノイズの抑制を図る。
実験結果から,emph{DM-FEND}は中国語(FakeSV)と英語(FakeTT)のベンチマークにおいて,最先端のベースラインを一貫して上回ることがわかった。
さらに、ロバスト性と識別能力を高めるために、時間的 textit{Danmaku} モデリングが重要であることを検証する。
最後に,この研究は,ニュースとユーザ行動の時間的矛盾を補うことによって,現代社会の対話的手法によるマルチモーダルフェイクニュース検出のための,明るく堅牢なソリューションを提供する。
関連論文リスト
- MRAFnd: Multimodal Retrieval-Augmented Framework for Zero-Shot Fake News Detection [0.0]
ゼロショットシナリオで生成したニュースを検出するための新しいフレームワークである textbfMRAFnd を紹介する。
MRAFndは、ニュースの妥当性を検証するために、アナリストの協力チームをエミュレートする。
3つのベンチマークデータセットに関する総合的な実験によると、MRAFndは最先端のベースラインを著しく超えている。
論文 参考訳（メタデータ） (2026-08-02T18:21:15Z) - HyperClaim: Fine-Grained Cross-Modal Hypergraph Reasoning for Video Misinformation Detection [13.553737675973276]
ビデオ誤情報検出は、大域的マルチモーダル融合や自由形式のマルチモーダル推論を通じてしばしばアプローチされる。
サンプルレベルの認証分類のための識別的時間ハイパーグラフフレームワークであるHyperClaimを提案する。
FactGuardの時間プロトコルでは、FakeSV、FakeTT、FakeVVで83.7%、82.0%、87.3%の精度を達成している。
論文 参考訳（メタデータ） (2026-07-30T15:35:43Z) - UniNDM: A Unified Noise-driven Detection and Mitigation Framework Against Sexual Content in Text-to-Image Generation [90.0896070825457]
本稿では,拡散過程におけるノイズダイナミクスのレンズを通して,安全機構を再考する統合ノイズ駆動フレームワークを提案する。
我々の重要な洞察は、早期の予測ノイズは、正常な内容と性的な内容の間に固有の分離性を示すことである。
我々は,計算オーバーヘッドがほとんどなく,精度の高い軽量ノイズベース検出器を開発した。
論文 参考訳（メタデータ） (2026-07-18T14:03:39Z) - Turing Patterns for Multimedia: Reaction-Diffusion Multi-Modal Fusion for Language-Guided Video Moment Retrieval [59.55233913340214]
ビデオ言語モデルは、時間的ビデオシーケンスとテキスト意味論の間の動的で非線形な相互作用を捉えるのに苦労することが多い。
反応拡散過程としてビデオ言語アライメントを再現する新しいフレームワークである textbfReaction-Diffusion Multimodal Fusion (RDMF) を提案する。
予備実験は、有能なビデオモーメントを識別する既存の手法より優れている可能性を実証している。
論文 参考訳（メタデータ） (2026-06-01T03:02:35Z) - MoshiRAG: Asynchronous Knowledge Retrieval for Full-Duplex Speech Language Models [62.05118198431989]
非同期のフル音声モデルは、AI停止のフルタイムの対話性と自然な性質によって区別される。
本フレームワークは,外部情報における知識要求型対話クエリと接地応答の同定を可能にする。
本設計では,再学習を伴わないプラグ・アンド・プレイ検索手法をサポートし,アウト・オブ・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー
論文 参考訳（メタデータ） (2026-04-14T16:17:52Z) - JointDiff: Bridging Continuous and Discrete in Multi-Agent Trajectory Generation [75.58351043849385]
生成モデルは、しばしば連続したデータと離散的なイベントを別々のプロセスとして扱う。
このギャップを埋めるために、連続時間データと同期離散イベントを同時に生成してこれらの2つのプロセス間の相互作用を設計した新しい拡散フレームワークであるJointDiffを導入する。
JointDiffは最先端のパフォーマンスを実現し、インタラクティブシステムのための現実的で制御可能なモデルを構築するために、ジョイントモデリングが不可欠であることを実証している。
論文 参考訳（メタデータ） (2025-09-26T16:04:00Z) - KGAlign: Joint Semantic-Structural Knowledge Encoding for Multimodal Fake News Detection [3.221633413708485]
本稿では,視覚的,テキスト的,知識に基づく表現を統合した,新しいマルチモーダルフェイクニュース検出フレームワークを提案する。
本提案では,知識基底型マルチモーダル推論という新たなパラダイムを提案する。
論文 参考訳（メタデータ） (2025-05-18T13:08:38Z) - 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) - AMPLE: Emotion-Aware Multimodal Fusion Prompt Learning for Fake News Detection [0.1499944454332829]
本稿では,Emotion-textbfAware textbfMultimodal Fusion textbfPrompt textbfLtextbfEarning (textbfAMPLE) フレームワークについて述べる。
このフレームワークは感情分析ツールを利用してテキストから感情要素を抽出する。
次に、マルチヘッドクロスアテンション(MCA)機構と類似性を考慮した融合手法を用いて、マルチモーダルデータを統合する。
論文 参考訳（メタデータ） (2024-10-21T02:19:24Z) - Contextualized Diffusion Models for Text-Guided Image and Video Generation [67.69171154637172]
条件拡散モデルは高忠実度テキスト誘導視覚生成および編集において優れた性能を示した。
本研究では,テキスト条件と視覚的サンプル間の相互作用とアライメントを包含するクロスモーダルコンテキストを組み込むことにより,コンテキスト拡散モデル(ContextDiff)を提案する。
理論的導出を伴うDDPMとDDIMの両方にモデルを一般化し、テキスト・ツー・イメージ生成とテキスト・ツー・ビデオ編集という2つの課題を伴う評価において、モデルの有効性を実証する。
論文 参考訳（メタデータ） (2024-02-26T15:01:16Z) - MSynFD: Multi-hop Syntax aware Fake News Detection [27.046529059563863]
ソーシャルメディアプラットフォームは、偽ニュースを急速に拡散させ、われわれの現実社会に脅威を与えている。
既存の方法は、フェイクニュースの検出を強化するために、マルチモーダルデータまたはコンテキスト情報を使用する。
本稿では,偽ニュースの微妙なひねりに対処するための補完構文情報を含む,新しいマルチホップ構文認識型偽ニュース検出手法を提案する。
論文 参考訳（メタデータ） (2024-02-18T05:40:33Z) - Enhancing Scene Text Detectors with Realistic Text Image Synthesis Using
Diffusion Models [63.99110667987318]
DiffTextは、前景のテキストと背景の本質的な特徴をシームレスにブレンドするパイプラインです。
テキストインスタンスが少なくなると、生成したテキストイメージはテキスト検出を支援する他の合成データを一貫して上回ります。
論文 参考訳（メタデータ） (2023-11-28T06:51:28Z) - Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - SimulSLT: End-to-End Simultaneous Sign Language Translation [55.54237194555432]
既存の手話翻訳手法では、翻訳を開始する前にすべてのビデオを読む必要がある。
我々は,最初のエンドツーエンド同時手話翻訳モデルであるSimulSLTを提案する。
SimulSLTは最新のエンドツーエンドの非同時手話翻訳モデルを超えるBLEUスコアを達成する。
論文 参考訳（メタデータ） (2021-12-08T11:04:52Z) - Local-Global Video-Text Interactions for Temporal Grounding [77.5114709695216]
本稿では,テキストクエリに関連するビデオの時間間隔を特定することを目的とした,テキスト間時間グラウンドリングの問題に対処する。
そこで本研究では,テキストクエリにおける意味句の中間レベルの特徴の集合を抽出する,新しい回帰モデルを用いてこの問題に対処する。
提案手法は,ローカルからグローバルへのコンテキスト情報を活用することにより,目標時間間隔を効果的に予測する。
論文 参考訳（メタデータ） (2020-04-16T08:10:41Z)
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。