Anindya Kundu氏らは10月19日(現地時間)、論文公開サイトarXiv cs.CVを通じて、バングラデシュで広く拡散する偽造ニュースフォトカードを視覚的に検出する研究論文を発表した。同氏らは、有名報道機関のブランドを模倣した単一画像ニュース要約の偽造を特定するため、視覚的な画像偽造検出手法を提案。ImageNetで事前学習済みのYOLOv8n-clsバックボーンをファインチューニングすることで、97.36% ± 0.42%の検出精度を達成した。
バングラデシュでは、現地に合わせた誤情報が「フォトカード」と呼ばれる形式で広範に拡散している。これらは、よく知られた報道機関のブランディングを模倣した単一画像のニュース要約で構成されている。誤ったメッセージが機械で読み取り可能なテキストではなくピクセル内に存在するため、従来のテキストベースのファクトチェックツールでは認識が困難だった。
本研究では、フォトカードのフェイクニュース検出を、視覚的な画像偽造検出として再構築した。研究チームは公開されているFacebookページから、969枚の真正なバングラ語フォトカードと1,077枚の偽造されたフォトカードのデータセットを構築した。真正なカードは17の国営テレビ放送局の認証済みページから、偽造されたものは偽の放送局ページ、匿名プロフィール、および公開グループから収集された。各画像に16の測光学的および形態学的変換を適用し、データセットは32,736サンプルに拡張された。
検出手法の評価において、全結合型人工ニューラルネットワーク（ANN）は約52%の精度に留まった。一方、コンパクトなバッチ正規化された4ブロック畳み込みニューラルネットワーク（CNN）は、スクラッチから学習させた場合で87.45% ± 0.53%、その分類器ヘッドをANNからウォームスタートさせた場合で88.75% ± 1.55%の精度を達成した。さらに、ImageNetで事前学習済みのYOLOv8n-clsバックボーン（1.44Mパラメータ）を同じデータセットでファインチューニングしたところ、97.36% ± 0.42%の精度を記録した。研究では、クラスごとの適合率、再現率、F1スコア、プールされた混同行列も報告され、コンパクトなCNNがアンダーフィットすることが示された。
参考: arXiv cs.CV (アーカイブ) — 2026年11月5日 14:00 (JST)