通过大模型(LLM)的多模态辩论的恶意表情包识别

Towards Explainable Harmful Meme Detection through Multimodal Debate between Large Language Models

1.概论

        对于恶意表情包的识别,以往的研究方法没有能够深入表情包所隐含的复杂意义和文化背景,因此,他们往往不能充分解释某个表情包是有害的。这篇论文通过结合大型语言模型(LLMs)的推理能力,实现了一种可解释性的恶意表情包识别方法,其流程为:

  • 第一步,使用两个LLMs进行多模态辩论来生成支持有害或无害立场的理由,
  • 第二步&#

最近更新

  1. TCP协议是安全的吗?

    2024-04-28 19:54:02       18 阅读
  2. 阿里云服务器执行yum,一直下载docker-ce-stable失败

    2024-04-28 19:54:02       19 阅读
  3. 【Python教程】压缩PDF文件大小

    2024-04-28 19:54:02       19 阅读
  4. 通过文章id递归查询所有评论(xml)

    2024-04-28 19:54:02       20 阅读

热门阅读

  1. ABAP 常用的日期相关的函数

    2024-04-28 19:54:02       11 阅读
  2. 设计模式之创建型模式总结

    2024-04-28 19:54:02       12 阅读
  3. C++并发编程 - 线程管理

    2024-04-28 19:54:02       9 阅读
  4. DreamFusion:深入解读其原理、功能与应用

    2024-04-28 19:54:02       12 阅读
  5. 一种基于LLM的辅助教学方法与流程

    2024-04-28 19:54:02       10 阅读
  6. ubuntu安装源问题

    2024-04-28 19:54:02       13 阅读
  7. 费曼学习法个人总结-1

    2024-04-28 19:54:02       10 阅读
  8. 【Linux驱动层】iTOP-RK3568学习之路(六):定时器

    2024-04-28 19:54:02       14 阅读