論文の概要: Computational Humor with Multimodal LLMs: Methods, Datasets, Evaluation, and Challenges

• arxiv url: http://arxiv.org/abs/2607.19011v1
• Date: Tue, 21 Jul 2026 11:53:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.417352
• Title: Computational Humor with Multimodal LLMs: Methods, Datasets, Evaluation, and Challenges
• Title（参考訳）: マルチモーダル LLM を用いた計算モデル:方法,データセット,評価,課題
• Abstract要約: ミーム、漫画、漫画におけるマルチモーダルユーモアは、リテラルシーンの記述よりも非リテラルメカニズム、共有文化知識、コミュニケーション意図に依存しているため、AIシステムにとって依然として困難である。 本調査は, 単一画像およびマルチパネル人工物における視覚的ユーモア理解に焦点を当て, ユーモア生成を下流フロンティアとして扱う。 我々は,マルチモーダルアライメント,エビデンス基底推論,制御生成に基づく,タスク固有融合モデルから大規模モデルアプローチへのフィールドのシフトをトレースし,ベンチマーク設計,評価プロトコル,モデリングパラダイムを合成する。
• 参考スコア（独自算出の注目度）: 10.482065696936376
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimodal humor in memes, cartoons, and comics remains difficult for AI systems because intended meaning depends on non-literal mechanisms, shared cultural knowledge, and communicative intent rather than literal scene description. This survey focuses on visual humor understanding in single-image and multi-panel artifacts, while treating humor generation as an emerging downstream frontier. We position the literature against prior humor, sarcasm, and general MLLM surveys and organize it using a capability-centric hierarchy spanning recognition, interpretation and reasoning, and generation. Under this lens, we synthesize benchmark design, evaluation protocols, and modeling paradigms, tracing the field's shift from task-specific fusion models to large-model approaches based on multimodal alignment, evidence-grounded reasoning, and controlled generation. We conclude by highlighting the main barriers to progress: shortcut-prone evaluation, limited cultural and narrative coverage, weak evidence grounding, and unresolved safety and ownership concerns.
• Abstract（参考訳）: ミーム、漫画、漫画におけるマルチモーダルユーモアは、リテラルシーンの記述よりも非リテラルメカニズム、共有文化知識、コミュニケーション意図に依存しているため、AIシステムにとって依然として困難である。 本調査は, 単一画像およびマルチパネル人工物における視覚的ユーモア理解に焦点を当て, ユーモア生成を下流フロンティアとして扱う。 本研究では,事前のユーモア,皮肉,一般MLLM調査に対して文献を配置し,認識・解釈・推論・生成にまたがる能力中心階層を用いて整理する。 このレンズでは,マルチモーダルアライメント,エビデンスグラウンド推論,制御生成に基づく,タスク固有融合モデルから大規模モデルアプローチへのフィールドのシフトをトレースし,ベンチマーク設計,評価プロトコル,モデリングパラダイムを合成する。 ショートカット・ショーン評価、文化と物語の報道の制限、根拠の弱い証拠、未解決の安全と所有権の懸念。

関連論文リスト

• MIRAGE: A Micro-Interaction Relational Architecture for Grounded Exploration in Multi-Figure Artworks [9.397297838455238]
  MIRAGEは,多機能アートワークにおける「マイクロインタラクション」の探索を足場として設計されたエビデンス中心のフレームワークである。 その結果、MIRAGEはアイデンティティの整合性を著しく改善し、関係幻覚を低減し、微妙な相互作用のカバレッジを増大させることがわかった。
  論文  参考訳（メタデータ） (2026-04-26T16:25:30Z)
• The Expense of Seeing: Attaining Trustworthy Multimodal Reasoning Within the Monolithic Paradigm [1.0742675209112622]
  我々は、現在のビジョン・ランゲージ・モデルがマルチモーダルデータを忠実に合成するわけではないと論じる。 モーダリティ変換プロトコル(Modality Translation Protocol)を提案する。
  論文  参考訳（メタデータ） (2026-04-22T15:15:32Z)
• SpatialImaginer: Towards Adaptive Visual Imagination for Spatial Reasoning [67.67774742200626]
  空間知能は、視覚的な観察から幾何学的および物理的構造を推論する能力を指すもので、大きな言語モデルにとって重要な課題である。 テキスト推論と視覚的想像力を組み合わせた統合型マルチモーダル生成フレームワークを提案する。 本フレームワークでは,高レベルなセマンティックプランニングのためのテキストチェーンと,幾何感応的な状態変換と整合性保存のための視覚的想像力を用いて,分割・対数戦略を採用している。
  論文  参考訳（メタデータ） (2026-04-19T11:21:59Z)
• Generative Human-Object Interaction Detection via Differentiable Cognitive Steering of Multi-modal LLMs [85.69785384599827]
  人間と物体の相互作用(Human-object Interaction、HOI)の検出は、人と物体のペアとそれらの相互作用を局在させることを目的としている。 既存のメソッドはクローズドワールドの仮定の下で動作し、タスクを未定義の小さな動詞集合上の分類問題として扱う。 本稿では,閉集合分類タスクから開語彙生成問題へのHOI検出を再構成する新しい生成推論・ステアブル知覚フレームワークGRASP-HOを提案する。
  論文  参考訳（メタデータ） (2025-12-19T14:41:50Z)
• Explaining multimodal LLMs via intra-modal token interactions [55.27436637894534]
  MLLM(Multimodal Large Language Models)は、様々な視覚言語タスクにおいて顕著な成功を収めているが、その内部決定機構は十分に理解されていない。 モーダル内相互作用を利用した解釈可能性の向上を提案する。
  論文  参考訳（メタデータ） (2025-09-26T14:39:13Z)
• Explain Before You Answer: A Survey on Compositional Visual Reasoning [74.27548620675748]
  構成的視覚推論は、マルチモーダルAIにおける重要な研究フロンティアとして登場した。 本調査は,トップ会場(CVPR,ICCV,NeurIPS,ICML,ACLなど)から260以上の論文を体系的にレビューする。 次に60以上のベンチマークとそれに対応するメトリクスを、基底精度、連鎖忠実性、高分解能知覚などの次元に沿って探索する。
  論文  参考訳（メタデータ） (2025-08-24T11:01:51Z)
• Re:Verse -- Can Your VLM Read a Manga? [14.057881684215047]
  現在の視覚言語モデル(VLM)は、表面レベルの認識と深い物語的推論の間に重要なギャップを示す。 本稿では,細粒度マルチモーダルアノテーション,クロスモーダル埋め込み解析,検索強化評価を組み合わせた新しい評価フレームワークを提案する。 本稿では,VLMにおける長期的物語理解に関する最初の体系的研究を,生成的ストーリーテリング,文脈的対話グラウンドニング,時間的推論という3つのコア評価軸を通じて行った。
  論文  参考訳（メタデータ） (2025-08-11T22:40:05Z)
• METER: Multi-modal Evidence-based Thinking and Explainable Reasoning -- Algorithm and Benchmark [48.78602579128459]
  本稿では,画像,ビデオ,音声,映像コンテンツにまたがる偽造検出のための統合ベンチマークMETERを紹介する。 我々のデータセットは4つのトラックから構成されており、それぞれのトラックは実際のvsフェイク分類だけでなく、エビデンスチェーンに基づく説明も必要である。
  論文  参考訳（メタデータ） (2025-07-22T03:42:51Z)
• Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
  この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。 大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。 研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
  論文  参考訳（メタデータ） (2024-01-30T03:51:44Z)

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。