Autores:  (1) Rui Cao, Universidade de Gestão de Singapura;  (2) Ming Shan Hee, Universidade de Design e Tecnologia de Singapura;  (3) Adriel Kuek, Laboratórios Nacionais DSO;  (4) Wen-Haw Chong, Universidade de Gestão de Singapura;  (5) Roy Ka-Wei Lee, Universidade de Design e Tecnologia de Cingapura  (6) Jing Jiang, Universidade de Gestão de Singapura.  Tabela de links   Resumo e introdução   Trabalho relatado   Preliminares   Método proposto   Experimentar   Conclusão e Referências   Apêndice  2. TRABALHO RELACIONADO    , normalmente concebidos para serem humorísticos ou sarcásticos, estão sendo cada vez mais explorados para a proliferação de conteúdo de ódio, levando à desafiadora tarefa de detecção de memes de ódio online [5, 12, 27]. Para combater a propagação de memes odiosos, uma linha de trabalho considera a detecção de memes odiosos como uma tarefa de classificação multimodal. Os pesquisadores aplicaram modelos de linguagem de visão pré-treinados (PVLMs) e os ajustaram com base em dados de detecção de memes [20, 26, 34, 37]. Para melhorar o desempenho, alguns tentaram a combinação de modelos [20, 26, 34]. Outra linha de trabalho considera combinar modelos pré-treinados (por exemplo, BERT [4] e CLIP [29]) com arquiteturas de modelos específicos de tarefas e ajustá-los de ponta a ponta [13, 14, 28]. Recentemente, os autores em [2] tentaram converter todas as informações do meme em texto e estimular os modelos de linguagem a aproveitar melhor o conhecimento contextual presente nos modelos de linguagem. Esta abordagem alcança resultados de última geração em dois benchmarks de detecção de memes odiosos. No entanto, adota um método genérico para descrever a imagem por meio de legendas, muitas vezes ignorando fatores importantes necessários para a detecção de memes de ódio. Neste trabalho, procuramos resolver esse problema por meio de legendas baseadas em sondagens, solicitando modelos de linguagem de visão pré-treinados com perguntas centradas em conteúdo de ódio de uma maneira VQA zero-shot. Os memes  Este artigo está   sob licença CC 4.0. disponível no arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Memeology.TECH

Read My Stories

Memeology

Este áudio é produzido no idioma original da história!

Navegando na complexidade da detecção de memes odiosos

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

Telegram: a ponte da Crypto Island para o continente

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Como melhorar seu fluxo de trabalho em 10 vezes: 17 aplicativos essenciais

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

Telegram: a ponte da Crypto Island para o continente

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Como melhorar seu fluxo de trabalho em 10 vezes: 17 aplicativos essenciais

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps