論文の概要: Beyond a Joke: Multi-Angle Reasoning for Detecting and Explaining Harmful Humor in Memes

• arxiv url: http://arxiv.org/abs/2607.15442v1
• Date: Thu, 16 Jul 2026 20:27:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.697426
• Title: Beyond a Joke: Multi-Angle Reasoning for Detecting and Explaining Harmful Humor in Memes
• Title（参考訳）: マルチアングルで音を検知・説明できる「Beyond a Joke」
• Abstract要約: 我々は,ミーム検出と理解のための新しいフレームワークであるMAR-12を紹介する。 まず、ユーモアとヘイト理論から導かれた12の構造化された視点を通して各ミームを解釈する。 次に、各視点がどの程度貢献すべきかを学ぶために、ロール対応のソフトゲートアテンションメカニズムを適用します。 最後に、パースペクティブ固有の推論と学習された注意重みの両方を用いて、説明が合成される。
• 参考スコア（独自算出の注目度）: 30.61990552439754
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Internet memes intertwine visual cues, textual content, and cultural context, making them particularly challenging to interpret in scenarios where humor, sarcasm, and harmful intent coexist. These complexities highlight the need for explainable meme understanding systems that can provide reliable and structured reasoning to support both accurate classification and human interpretability. However, existing multimodal classifiers either overlook these interdependencies or provide only limited interpretability. In this paper, we introduce MAR-12, a novel framework that leverages Vision Language Models (VLMs) for meme detection and understanding in settings where humorous and hateful elements may coexist. The framework first interprets each meme through twelve structured perspectives derived from humor and hate theories. It then applies a role-aware soft-gated attention mechanism to learn how much each perspective should contribute, followed by a prototype-based classifier for the final prediction. Finally, explanations are synthesized using both perspective-specific reasoning and learned attention weights, ensuring transparent and context-grounded justifications. We evaluate MAR-12 on the PrideMM and Memotion datasets, where it achieves up to 80.3% accuracy for humor detection and 75.9% accuracy for hate detection, outperforming state-of-the-art approaches. Furthermore, both human and GPT-4-based evaluations confirm that MAR-12 produces coherent and persuasive explanations, particularly for memes in which humorous and harmful cues co-occur.
• Abstract（参考訳）: インターネットのミームは、視覚的な手がかり、テキストの内容、文化的な文脈を介し、ユーモア、皮肉、有害な意図的共存といったシナリオで解釈するのが特に困難である。 これらの複雑さは、正確な分類と人間の解釈可能性の両方をサポートする信頼性と構造化された推論を提供する、説明可能なミーム理解システムの必要性を強調している。 しかし、既存のマルチモーダル分類器はこれらの相互依存を無視するか、限定的な解釈可能性しか提供しない。 本稿では,視覚言語モデル(VLM)を利用して,ユーモラスでヘイトフルな要素が共存する環境下でのミームの検出と理解を行う新しいフレームワークであるMAR-12を紹介する。 この枠組みはまず、ユーモアとヘイト理論から導かれた12の構造化された視点を通して各ミームを解釈する。 次に、ロール対応のソフトゲートアテンションメカニズムを適用して、それぞれの視点がどの程度貢献すべきかを学習し、続いて最終予測のためのプロトタイプベースの分類器が続く。 最後に、パースペクティブ固有の推論と学習された注意重みの両方を用いて説明を合成し、透明で文脈に基づく正当化を保証する。 我々はPrideMMとMemotionデータセットでMAR-12を評価し、ユーモア検出の精度は80.3%、ヘイト検出の精度は75.9%で、最先端のアプローチよりも優れています。 さらに、ヒトとGPT-4による評価は、MAR-12がコヒーレントで説得力のある説明を、特にユーモラスで有害な手がかりが共起するミームに対して生み出すことを確認した。

関連論文リスト

• CaRGo-T: Causal Reasoning Graph-of-Thought improves Multimodal Humor Comprehension [20.241189733998674]
  CaRGo-Tは、マルチモーダルユーモアに基づく因果関係と文脈関係を、軽量なグラフベースの推論構造として表現する。 ユーモア理解とユーモア検出を,様々な形態のコメディコンテンツにまたがる4つのデータセットで評価した。
  論文  参考訳（メタデータ） (2026-08-24T12:19:43Z)
• I Came, I Saw, I Explained: Benchmarking Multimodal LLMs on Figurative Meaning in Memes [53.717874073948984]
  本研究では,6種類の図形的意味を検出・説明する能力に基づいて,8種類の最先端生成型大言語モデル (MLLM) の評価を行った。 以上の結果から,すべてのモデルにおいて,そのような意味が存在しない場合でも,ミームと図形的意味を関連づけるバイアスが強いことが示唆された。
  論文  参考訳（メタデータ） (2026-03-24T14:02:48Z)
• M-QUEST -- Meme Question-Understanding Evaluation on Semantics and Toxicity [10.944605467795848]
  本稿では,ミームからの自動知識抽出のためのセマンティックフレームワークとそれに対応するベンチマークを提案する。 このフレームワークは、meme toxicityアセスメントに関する常識的な質問と回答のペアでベンチマークを生成する半自動プロセスのガイドである。 結果のベンチマークM-QUESTは307のミームに対して609の質問応答ペアで構成されている。
  論文  参考訳（メタデータ） (2026-02-09T16:56:39Z)
• Emotion-Coherent Reasoning for Multimodal LLMs via Emotional Rationale Verifier [53.55996102181836]
  本稿では,感情関係検証器 (ERV) と説明リワードを提案する。 本手法は,対象感情と明確に一致した推論をモデルに導出する。 我々のアプローチは、説明と予測の整合性を高めるだけでなく、MLLMが感情的に一貫性があり、信頼できる対話を実現するのにも役立ちます。
  論文  参考訳（メタデータ） (2025-10-27T16:40:17Z)
• Engagement Undermines Safety: How Stereotypes and Toxicity Shape Humor in Language Models [55.98686105081078]
  大規模言語モデルは、クリエイティブな執筆やエンゲージメントコンテンツにますます使われ、アウトプットに対する安全性の懸念が高まっている。 本研究は, 現代のLLMパイプラインにおいて, ユーモア, 立体特異性, 毒性を測定することによって, 有害な内容とどのように結合するかを評価する。
  論文  参考訳（メタデータ） (2025-10-21T09:28:09Z)
• D-HUMOR: Dark Humor Understanding via Multimodal Open-ended Reasoning - A Benchmark Dataset and Method [4.561044673225099]
  オンラインミームにおけるダークユーモアは、暗黙の、敏感で、文化的に文脈的な手がかりに依存しているため、ユニークな課題を提起する。 ダークユーモア、ターゲットカテゴリー(性、メンタルヘルス、暴力、人種、障害など)、および3レベルの強度評価のための4,379のミームを新たに導入した。 本稿では,まず,大規模視覚言語モデルを用いて,各ミームの構造的説明を生成する推論拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-08T14:55:16Z)
• MemeReaCon: Probing Contextual Meme Understanding in Large Vision-Language Models [50.2355423914562]
  我々は,LVLM(Large Vision Language Models)がミームを本来の文脈でどのように理解するかを評価するために設計された,新しいベンチマークであるMemeReaConを紹介する。 私たちは5つのRedditコミュニティからミームを収集し、各ミームの画像、ポストテキスト、ユーザーコメントを一緒に保持しました。 モデルは文脈において重要な情報を解釈できないか、あるいはコミュニケーション目的を見越しながら視覚的詳細に過度に焦点を合わせるかのどちらかです。
  論文  参考訳（メタデータ） (2025-05-23T03:27:23Z)
• Seeing Through Deception: Uncovering Misleading Creator Intent in Multimodal News with Vision-Language Models [65.23999399834638]
  DeceptionDecodedは,信頼に値する参照記事に基づく12,000のイメージキャプチャペアのベンチマークである。 データセットは、誤解を招くケースと、誤解を招くケースの両方をキャプチャし、視覚的およびテキスト的モダリティにわたって操作する。 インテント中心の3つのタスク – 意図の検出を誤解させる、ソースの属性を誤解させる、創造的欲求推論 – をサポートしている。
  論文  参考訳（メタデータ） (2025-05-21T13:14:32Z)
• HumorDB: Can AI understand graphical humor? [10.207371106800187]
  本稿では,AIシステムによる視覚的ユーモア理解の評価と向上を目的としたデータセットであるtextbfHumorDBを紹介する。 我々は,2次ユーモア分類,面白さ評価予測,ペアワイズユーモア比較という3つのタスクにおいて,人間,最先端の視覚モデル,および大きな視覚言語モデルを評価する。 その結果、現在のAIシステムと人間レベルのユーモア理解のギャップが明らかになった。
  論文  参考訳（メタデータ） (2024-06-19T13:51:40Z)
• What do you MEME? Generating Explanations for Visual Semantic Role Labelling in Memes [42.357272117919464]
  ミームにおける視覚的意味的役割のラベル付けに関する説明を生成する新しいタスク-EXCLAIMを導入する。 この目的のために,3種類のエンティティに対する意味的役割の自然言語説明を提供する新しいデータセットであるExHVVをキュレートする。 また,EXCLAIMを最適に扱える新しいマルチモーダル・マルチタスク学習フレームワークであるLUMENを提案する。
  論文  参考訳（メタデータ） (2022-12-01T18:21:36Z)
• Detecting and Understanding Harmful Memes: A Survey [48.135415967633676]
  我々は有害なミームに焦点を当てた総合的な調査を行っている。 興味深い発見の1つは、多くの有害ミームが実際には研究されていないことである。 別の観察では、ミームは異なる言語で再パッケージ化することでグローバルに伝播し、多言語化することもできる。
  論文  参考訳（メタデータ） (2022-05-09T13:43:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。