論文の概要: Detecting and Explaining Fake News Short Videos with Multimodal Content and Real-World Evidence
- arxiv url: http://arxiv.org/abs/2609.12678v1
- Date: Fri, 11 Sep 2026 10:24:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.715439
- Title: Detecting and Explaining Fake News Short Videos with Multimodal Content and Real-World Evidence
- Title（参考訳）: マルチモーダルコンテンツと実世界のエビデンスを用いたフェイクニュースショートビデオの検出と説明
- Abstract要約: ショートビデオプラットフォームは、一般向けの主要なニュースソースとなり、フェイクニュースビデオの普及を可能にしている。
フェイクニュースビデオの検出と説明(FNVDE)の正確性に関する課題について検討する。
我々は,ニュースビデオ抽出手法(NVKE)と,コンテンツとエビデンス情報(CEI)の両方を活用するFNVDEフレームワークを統合する統合システムであるNVKE-CEIを提案する。
- 参考スコア（独自算出の注目度）: 10.554169724108068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Short-video platforms have become a primary news source for the public, which has also enabled the widespread dissemination of fake news videos. We study the task of fake news video detection and explanation (FNVDE). Existing methods face two critical limitations. First, commonly used frame selection strategies may omit veracity-relevant cues or provide insufficient temporal context for understanding news videos. Second, prior methods neglect either multimodal understanding or evidence retrieval. To address these limitations, we propose NVKE-CEI, a unified system that integrates a news video keyframes extraction method (NVKE) and an FNVDE framework leveraging both content and evidence information (CEI). NVKE selects keyframes based on chronological changes in combined visual and OCR-text similarity. CEI employs two specialized LLM-based fact checkers (content-based and evidence-based) whose outputs are fused by a lightweight judge model. Extensive experiments show that NVKE-CEI outperforms state-of-the-art baselines while generating high-quality content-grounded explanations.
- Abstract（参考訳）: ショートビデオプラットフォームは、一般向けの主要なニュースソースとなり、フェイクニュースビデオの普及を可能にしている。
フェイクニュースビデオの検出と説明(FNVDE)の課題について検討する。
既存の方法には2つの限界がある。
まず、一般的に使用されるフレーム選択戦略は、正確性に関連する手がかりを省略するか、あるいはニュースビデオを理解するのに不十分な時間的文脈を提供する。
第二に、事前の手法はマルチモーダルな理解やエビデンス検索を無視する。
これらの制約に対処するために,ニュースビデオキーフレーム抽出手法(NVKE)と,コンテンツとエビデンス情報の両方を活用するFNVDEフレームワークを統合する統一システムであるNVKE-CEIを提案する。
NVKEは、視覚的およびOCRテキストの類似性の時間的変化に基づいてキーフレームを選択する。
CEIは2つの特殊なLCMベースのファクトチェッカー(コンテンツベースとエビデンスベース)を採用しており、その出力は軽量の審査モデルによって融合される。
大規模な実験により、NVKE-CEIは高品質なコンテンツ基底説明を生成しながら最先端のベースラインを上回っていることが示された。
関連論文リスト
- VideoSearcher: Empowering Video Deep Research with Multi-Tool Agentic Reasoning via Reinforcement Learning [55.2367119060441]
ビデオ理解は、クローズドコンテクストの知覚を超えて、オープンワールドのエビデンス探索へと移行している。
既存のマルチモーダル検索エージェントは主に静的画像をターゲットにしており、現在のVDRベンチマークはテキスト中心の検索に依存している。
本稿では,VDRのマルチツール推論による視覚言語モデルを実現するクローズドループエージェントフレームワークであるVideoSearcherを提案する。
論文 参考訳（メタデータ） (2026-07-03T03:50:09Z) - Act2See: Emergent Active Visual Perception for Video Reasoning [70.52373240573856]
VLM(Vision-Language Models)は通常、ビデオの推論に静的な初期フレームに依存している。
本稿では,アクト・ツー・シー(Act2See)という,アクティブな視覚知覚を実現する新しいフレームワークを紹介する。
論文 参考訳（メタデータ） (2026-05-03T00:52:51Z) - A Skill-augmented Agentic Framework and Benchmark for Multi-Video Understanding [69.31609753061137]
マルチモーダルな大規模言語モデルはシングルビデオ理解において高いパフォーマンスを達成しているが、複数のビデオにまたがる推論能力は依然として限られている。
既存のアプローチでは、複数のビデオを1つの入力にまとめて直接推論を行い、トレーニングと推論のミスマッチを導入する。
現在のマルチビデオベンチマークでは、主にイベントレベルの比較を強調しており、アイデンティティレベルのマッチング、きめ細かい識別、構造化されたマルチステップ推論が過小評価されている。
視覚ツール,タスク固有のスキル,コンフリクト対応検証機構を統合した,多視点理解のためのスキル強化型エージェントフレームワークSAMAを提案する。
論文 参考訳（メタデータ） (2026-03-16T02:09:48Z) - ZoFia: Zero-Shot Fake News Detection with Entity-Guided Retrieval and Multi-LLM Interaction [14.012874564599272]
ZoFiaは、2段階のゼロショットフェイクニュース検出フレームワークである。
まず,ニュースコンテンツにおけるエンティティの重要性を定量化するために階層的サリエンスを導入する。
そこで我々はSC-MMRアルゴリズムを提案し,情報的かつ多様なキーワード群を効果的に選択する。
論文 参考訳（メタデータ） (2025-11-03T03:29:42Z) - Multimodal Learning for Fake News Detection in Short Videos Using Linguistically Verified Data and Heterogeneous Modality Fusion [5.850574227112314]
現在の手法は、短いビデオコンテンツのダイナミックでマルチモーダルな性質に苦しむことが多い。
本稿では,ビデオ,音声,テキストデータを統合して,短いビデオコンテンツの信頼性を評価する新しいフレームワークであるHFNを提案する。
論文 参考訳（メタデータ） (2025-09-19T04:24:57Z) - Threading Keyframe with Narratives: MLLMs as Strong Long Video Comprehenders [62.58375366359421]
長いビデオ理解のためのマルチモーダル大言語モデル(MLLM)は依然として難しい問題である。
伝統的な一様サンプリングは、無関係な内容の選択につながる。
数千フレームの訓練後のMLLMは、かなりの計算負担を課す。
本研究では,物語付きスレッディング(Nar-KFC)を提案する。
論文 参考訳（メタデータ） (2025-05-30T03:04:28Z) - Benchmarking Retrieval-Augmented Multimodal Generation for Document Question Answering [60.062194349648195]
Document Visual Question Answering (DocVQA)は、長いマルチモーダル文書の処理において2つの課題に直面している。
現在の文書検索拡張生成法(DocRAG)はテキスト中心のアプローチによって制限されている。
MMDocRAGは,多ページのクロスモーダルエビデンスチェーンを持つ4,055のエキスパートアノテーション付きQAペアを特徴とする総合ベンチマークである。
論文 参考訳（メタデータ） (2025-05-22T09:52:57Z) - VMID: A Multimodal Fusion LLM Framework for Detecting and Identifying Misinformation of Short Videos [14.551693267228345]
本稿では,マルチモーダル情報に基づく新しいフェイクニュース検出手法を提案する。
提案フレームワークは,ビデオにマルチモーダル機能を組み込むことで,偽ニュース検出の精度と信頼性を大幅に向上させる。
論文 参考訳（メタデータ） (2024-11-15T08:20:26Z) - Multimodal Short Video Rumor Detection System Based on Contrastive
Learning [3.4192832062683842]
中国のショートビデオプラットフォームは、フェイクニュースの拡散の場として徐々に肥大化してきた。
短いビデオの噂を区別することは、大量の情報と共有機能のために大きな課題となる。
本研究グループは,マルチモーダルな特徴融合と外部知識の統合を包含する方法論を提案する。
論文 参考訳（メタデータ） (2023-04-17T16:07:00Z) - Video Corpus Moment Retrieval with Contrastive Learning [56.249924768243375]
ビデオコーパスモーメント検索(VCMR)は、与えられたテキストクエリに意味的に対応する時間モーメントを取得することです。
VCMRのためのコントラシブラーニング(ReLoCLNet)を用いた検索・ローカリゼーションネットワークを提案する。
実験の結果、ReLoCLNetは効率のためにテキストとビデオを個別にエンコードし、その検索精度はクロスモーダル相互作用学習を採用するベースラインと匹敵する。
論文 参考訳（メタデータ） (2021-05-13T12:54:39Z) - FOCAL: A Forgery Localization Framework based on Video Coding
Self-Consistency [26.834506269499094]
本稿では,ビデオフレーム内における符号化トレースの自己整合性を検証するビデオフォージェリーローカライゼーションフレームワークを提案する。
全体フレームワークは、時間的スプライシングと空間的スプライシングの2つの典型的なフォージェリーシナリオで検証された。
実験結果から,空間スプライシングにおける時間的スプライシングの局所化に関する最先端技術の改善と,空間スプライシングの新たな取組における有望な性能が示された。
論文 参考訳（メタデータ） (2020-08-24T13:55:14Z)
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。