Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Evidence-Grounded Multimodal Misinformation Detection with Attention-Based GNNs

Created by
  • Haebom

저자

Sharad Duwal, Mir Nafis Sharear Shopnil, Abhishek Tyagi, Adiba Mahbub Proma

개요

본 논문은 맥락을 벗어난 다중 모달(텍스트와 이미지) 허위 정보를 탐지하는 새로운 그래프 기반 방법을 제안합니다. 기존의 대규모 언어 모델(LLM)이나 다중 모달 언어 모델(LVLMs)은 맥락 정보를 고려하지 않고 허위 정보를 판별하기 때문에 한계가 있습니다. 본 연구에서는 온라인 텍스트 증거로부터 추출한 증거 그래프와 주장 캡션으로부터 생성한 주장 그래프를 구성하여 이미지와 캡션 간의 일관성을 평가합니다. 그래프 신경망(GNN)을 이용하여 두 그래프를 인코딩하고 비교하여 이미지-캡션 쌍의 진실성을 평가합니다. 제안된 방법은 평가 데이터셋에서 93.05%의 탐지 정확도를 달성하여, 기존 LLM 기반 방법보다 2.82% 높은 성능을 보였습니다. 이는 특정 작업에 맞는 소규모 모델이 효과적일 수 있음을 시사합니다.

시사점, 한계점

시사점:
맥락을 벗어난 다중 모달 허위 정보 탐지에 대한 새로운 그래프 기반 접근법 제시.
기존 LLM 기반 방법보다 높은 정확도 달성.
특정 작업에 특화된 소규모 모델의 효용성 증명.
한계점:
제안된 방법의 일반화 성능에 대한 추가적인 연구 필요.
다양한 유형의 허위 정보에 대한 로버스트니스 평가 필요.
사용된 데이터셋의 규모 및 다양성 제한.
👍