FakeNewsGPT4: Advancing Multimodal Fake News Detection through Knowledge-Augmented LVLMs
1.概述
当前，多模态假新闻的大量涌现导致了显著的分布差异，这一现状亟需我们开发具备广泛适用性的检测器。然而，现有假新闻检测器因特定领域内的训练方式，难以有效获取开放世界中的事实信息。这种训练的封闭性限制了传统检测器的能力，特别是在面对跨域假新闻时，其表现往往不尽如人意。具体而言，开放世界中的假新闻在两个方面具有显著的分布差异：一方面，其操纵内容多种多样，新闻的任一部分都可能受到创意策略的操控；另一方面，真实背景复杂多变，不同地区的新闻背景和主题焦点存在显著差异。这些挑战使得现有的方法在理解和表征开放世界的假新闻时显得力不从心。
为应对上述挑战，本文提出了FakeNewsGPT4，一种通过伪造特定知识增强大规模视觉语言模型（LVLMs）以改进多模态假新闻检测的新框架
