作者：  （1）曹睿，新加坡管理大学；  （2） Ming Shan Hee，新加坡设计科技大学；  （3）DSO国家实验室的 Adriel Kuek；  （4）Wen-Haw Chong，新加坡管理大学；  （5）Roy Ka-Wei Lee，新加坡设计科技大学 （6）蒋菁，新加坡管理大学。 链接表 摘要和引言 相关工作 初步的 提出的方法 实验 结论和参考文献 附录 2 相关工作 通常意在幽默或讽刺，但却越来越多地被用于传播仇恨内容，从而导致了在线仇恨表情包检测任务的挑战性 [5、12、27]。为了打击仇恨表情包的传播，一项研究将仇恨表情包检测视为一项多模态分类任务。研究人员应用预先训练的视觉语言模型 (PVLM)，并根据表情包检测数据对其进行微调 [20、26、34、37]。为了提高性能，一些人尝试了模型集成 [20、26、34]。另一项研究考虑将预训练模型（例如 BERT [4] 和 CLIP [29]）与特定于任务的模型架构相结合，并对其进行端到端调整 [13、14、28]。最近，[2] 中的作者尝试将所有表情包信息转换为文本，并提示语言模型更好地利用语言模型中存在的上下文背景知识。该方法在两个仇恨模因检测基准上取得了最佳结果。但是，它采用了一种通过图像字幕描述图像的通用方法，通常会忽略仇恨模因检测所需的重要因素。在这项工作中，我们试图通过基于探测的字幕解决这个问题，即以零样本 VQA 方式向预先训练的视觉语言模型提示以仇恨内容为中心的问题。 表情包 该论文 。 可在 arxiv 上根据 CC 4.0 许可获取

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

Memeology.TECH

Read My Stories

Memeology

該音頻是用故事的原始語言製作的！

应对仇恨模因检测的复杂性

About Author

註釋

標籤

这篇文章刊登在

Related Stories

扬帆起航：利用数据湖开发生产级 RAG 应用程序

点击赚钱：Telegram 可能会在 Solana 之前吸引下一个 100 亿加密用户

数字游民请注意：您需要了解泰国新推出的 DTV 签证

Claude Sonnet 3.5 系统提示泄漏：法医分析

扬帆起航：利用数据湖开发生产级 RAG 应用程序

点击赚钱：Telegram 可能会在 Solana 之前吸引下一个 100 亿加密用户

数字游民请注意：您需要了解泰国新推出的 DTV 签证

Claude Sonnet 3.5 系统提示泄漏：法医分析

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps