题目:Detecting and Grounding Multi-Modal Media Manipulation and Beyond
检测和定位多模态媒体操控及其扩展
作者:Rui Shao; Tianxing Wu; Jianlong Wu; Liqiang Nie; Ziwei Liu
摘要
错误信息已成为一个紧迫的问题。虚假媒体,无论是视觉形式还是文本形式,在网络上都很普遍。尽管提出了各种DeepFake检测和文本虚假新闻检测方法,但它们仅设计用于基于二元分类的单一模态伪造,遑论分析和推理跨不同模态的细微伪造痕迹。在本文中,我们提出了一个多模态虚假媒体的新研究问题,即检测和定位多模态媒体操控 (DGM4)。DGM4旨在不仅检测多模态媒体的真实性,还要定位被操控的内容(即图像边界框和文本标记),这需要对多模态媒体操控进行更深入的推理。为了支持大规模调查,我们构建了第一个DGM4数据集,其中图文对通过各种方法进行操控,并对各种操控进行了丰富的注释。此外,我们提出了一种新颖的层次多模态操控推理转换器(HAMMER),以充分捕捉不同模态之间的细粒度交互。HAMMER