计算机科学 > 计算机视觉与模式识别
[提交于 2025年8月28日
]
标题: “幽默、艺术还是虚假信息?”: 一种用于意图感知的合成图像检测的多模态数据集
标题: "Humor, Art, or Misinformation?": A Multimodal Dataset for Intent-Aware Synthetic Image Detection
摘要: 最近在多模态AI方面的进展使得检测合成内容和不相关的内容取得了进步。 然而,现有的研究大多忽略了AI生成图像背后的意图。 为了填补这一空白,我们引入了S-HArM,这是一个多模态数据集,用于意图感知分类,包含来自Twitter/X和Reddit的9576对“真实场景”图像-文本对,标记为幽默/讽刺、艺术或虚假信息。 此外,我们探索了三种提示策略(图像引导、描述引导和多模态引导),以使用Stable Diffusion构建大规模的合成训练数据集。 我们进行了一项广泛的比较研究,包括模态融合、对比学习、重建网络、注意力机制和大型视觉-语言模型。 我们的结果表明,基于图像和多模态引导数据训练的模型在“真实场景”内容上的泛化能力更好,这是由于保留了视觉上下文。 然而,整体性能仍然有限,突显了推断意图的复杂性以及需要专门架构的必要性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.