大规模识别候选人：用于 Instagram 视觉政治传播的多模态 LLM
计算机视觉与模式识别
2026-04-22 v1 计算机与社会
摘要
本文提出了一项计算案例研究，评估了专用机器学习模型和新兴多模态大型语言模型在视觉政治传播分析方面的能力。聚焦于 2021 年德国联邦选举竞选期间 Instagram 快拍和帖子中的集中可见性，我们比较了传统计算机视觉模型（FaceNet512、RetinaFace、Google Cloud Vision）与多模态大型语言模型（GPT-4o）在识别领先政治家和统计图像中人数方面的性能。GPT-4o 优于其他模型，在快拍中的人脸识别 macro F1-score 达到 0.89，人数统计达到 0.86。这些发现展示了先进 AI 系统在扩展和细化政治传播视觉内容分析方面的潜力，同时突出了未来研究的方法论考量。
引用
@article{arxiv.2604.19489,
title = {Seeing Candidates at Scale: Multimodal LLMs for Visual Political Communication on Instagram},
author = {Michael Achmann-Denkler and Mario Haim and Christian Wolff},
journal= {arXiv preprint arXiv:2604.19489},
year = {2026}
}
备注
An earlier version was presented at #SMSociety 2024 (London)