VMID:短いビデオの誤情報を検出し同定するためのマルチモーダル融合LLMフレームワーク【JST機械翻訳】

Zhong Weihao; Xiao Yinhao; Xu Minghui; Cheng Xiuzhen

プレプリント

J-GLOBAL ID：202402219215773893 整理番号：24P0273328

VMID:短いビデオの誤情報を検出し同定するためのマルチモーダル融合LLMフレームワーク【JST機械翻訳】

VMID: A Multimodal Fusion LLM Framework for Detecting and Identifying Misinformation of Short Videos

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
このテーマを更に深掘りする（JDreamⅢへ）

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

arXiv掲載論文の撤回有無については、一次情報をご確認下さい。

著者 (4件)： , , ,
資料名：
発行年： 2024年11月15日プレプリントサーバーでの情報更新日： 2024年11月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント言語：英語 (EN)

短いビデオプラットフォームは,ニュース配信のための重要なチャネルになり,ユーザに現在のイベントにアクセスし,情報を共有するための高度に従事し,即時の方法を提供する。しかしながら,偽のニュースと噂は視聴者間で広範囲に循環するために短いビデオの視覚的アピールと広い範囲を活用することができるので,これらのプラットフォームは誤情報の急速な拡散のための有意な導管として現れた。既存の偽のニュース検出法は,主にテキストや画像のような単一モード情報に依存するか,または基本的な融合技術のみを適用し,短いビデオに固有の複雑な多層情報を扱う能力を制限する。これらの制限に対処するために,本論文では,ビデオコンテンツのマルチレベル解析を通して誤情報を同定するために設計された,マルチモーダル情報に基づく新しい偽のニュース検出法を提示した。この手法は,異なる様相表現を効果的に利用して,統一テキスト記述を生成し,それを次に,包括的評価用の大規模言語モデルに供給した。提案フレームワークでは,ビデオの中でマルチモーダル特徴をうまく統合し,偽のニュース検出の精度および信頼性の大幅な向上を行った。実験結果は,提案した方式が多モード情報の精度,ロバスト性,および利用に関して既存のモデルより優れていて,90.93%の精度を達成し,81.05%の最良基準線モデル(SV-FEND)よりかなり高いことを証明した。さらに,事例研究により,偽のニュース,デバンキングコンテンツ,実際のインシデント間の正確な識別におけるアプローチの有効性に関する追加的エビデンスを提供し,実世界アプリケーションにおけるその信頼性およびロバスト性を強調した。【JST機械翻訳】

, , , , , , , , , , , , , ,

人工知能 , 自然語処理 , その他の情報処理 , パターン認識

, , ,

ライセンス情報：

前のページに戻る