面向自动欺骗检测的多模态方法：特征提取与分析
计算机视觉与模式识别
2024-07-09 v1
摘要
随着视频内容的指数级增长，准确的面向人类的视频分析欺骗检测已变得至关重要。本研究聚焦于提取和组合多种特征，以提升欺骗检测模型的准确率。通过系统性地提取视觉、音频和文本数据中的特征，并尝试不同的组合方式，我们开发出一个准确率达到惊人的 99% 的稳健模型。我们的 methodology 强调了特征工程在欺骗检测中的重要性，提供了一个清晰且可解释的框架。我们训练了各种机器学习模型，包括 LSTM、BiLSTM 和预训练 CNN，采用单模态和多模态方法。结果表明，组合多种模态显著优于单一模态训练提高了检测性能。这一研究凸显了在视频分析中发展可靠且透明的自动化欺骗检测系统的潜力，为未来的研究铺平了更先进且更准确检测方法的道路。
引用
@article{arxiv.2407.06005,
title = {Advancing Automated Deception Detection: A Multimodal Approach to Feature Extraction and Analysis},
author = {Mohamed Bahaa and Mena Hany and Ehab E. Zakaria},
journal= {arXiv preprint arXiv:2407.06005},
year = {2024}
}