Towards Robust and Realible Multimodal Misinformation Recognition with Incomplete Modality

计算机科学 人工智能 判别式 模态(人机交互) 误传 模式 稳健性(进化) 机器学习 特征学习 特征(语言学) 光学(聚焦) 加权 自然语言处理 任务(项目管理) 结构化预测 特征提取 一般化 代表(政治) 钥匙(锁) 显著性(神经科学) 完整信息 深度学习 传感器融合 模式识别(心理学) 辍学(神经网络) 特征工程
作者
Zhou, Hengyang,Yiwei Wei,Jian Yang,Zhenyu Zhang
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:8
标识
DOI:10.48550/arxiv.2510.05839
摘要

Multimodal Misinformation Recognition has become an urgent task with the emergence of huge multimodal fake content on social media platforms. Previous studies mainly focus on complex feature extraction and fusion to learn discriminative information from multimodal content. However, in real-world applications, multimedia news may naturally lose some information during dissemination, resulting in modality incompleteness, which is detrimental to the generalization and robustness of existing models. To this end, we propose a novel generic and robust multimodal fusion strategy, termed Multi-expert Modality-incomplete Learning Network (MMLNet), which is simple yet effective. It consists of three key steps: (1) Multi-Expert Collaborative Reasoning to compensate for missing modalities by dynamically leveraging complementary information through multiple experts. (2) Incomplete Modality Adapters compensates for the missing information by leveraging the new feature distribution. (3) Modality Missing Learning leveraging an label-aware adaptive weighting strategy to learn a robust representation with contrastive learning. We evaluate MMLNet on three real-world benchmarks across two languages, demonstrating superior performance compared to state-of-the-art methods while maintaining relative simplicity. By ensuring the accuracy of misinformation recognition in incomplete modality scenarios caused by information propagation, MMLNet effectively curbs the spread of malicious misinformation. Code is publicly available at https://github.com/zhyhome/MMLNet.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
哞哞发布了新的文献求助10
刚刚
俭朴的明轩完成签到,获得积分10
1秒前
胡大叔发布了新的文献求助10
2秒前
3秒前
顺心秋凌发布了新的文献求助10
3秒前
文艺代灵发布了新的文献求助10
3秒前
ezekiet发布了新的文献求助10
3秒前
sep完成签到 ,获得积分10
3秒前
酷波er的应助被YYT采纳,获得10
3秒前
gww完成签到,获得积分20
3秒前
4秒前
4秒前
6秒前
斯文败类的应助被科研通管家采纳,获得30
6秒前
6秒前
zxp的应助被科研通管家采纳,获得30
7秒前
十二完成签到 ,获得积分10
7秒前
赘婿的应助被科研通管家采纳,获得10
7秒前
充电宝的应助被科研通管家采纳,获得10
7秒前
bkagyin的应助被科研通管家采纳,获得10
7秒前
7秒前
Jasper的应助被科研通管家采纳,获得10
7秒前
希望天下0贩的0的应助被Nicu采纳,获得10
7秒前
大模型的应助被科研通管家采纳,获得10
7秒前
香蕉觅云的应助被科研通管家采纳,获得10
8秒前
8秒前
灿灿的应助被科研通管家采纳,获得10
8秒前
顾矜的应助被科研通管家采纳,获得10
8秒前
lx的应助被科研通管家采纳,获得10
8秒前
衷燊的应助被科研通管家采纳,获得10
8秒前
null的应助被科研通管家采纳,获得10
8秒前
Ava的应助被科研通管家采纳,获得10
8秒前
爆米花的应助被科研通管家采纳,获得10
9秒前
Will发布了新的文献求助10
9秒前
liuze发布了新的文献求助30
9秒前
CarryLJR的应助被菜菜最菜采纳,获得10
9秒前
无花果的应助被小羊采纳,获得10
11秒前
12秒前
12秒前
Owen的应助被51515采纳,获得10
12秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
Grapes 1000
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8178807
求助须知:如何正确求助?哪些是违规求助? 9569558
关于积分的说明 21805222
捐赠科研通 7773974
什么是DOI,文献DOI怎么找? 3432933
关于科研通互助平台的介绍 2556873
邀请新用户注册赠送积分活动 2478593