論文の概要: TransMeme: A Multi-Agent Framework for Cross-Cultural Meme Transcreation
- arxiv url: http://arxiv.org/abs/2608.27127v1
- Date: Thu, 27 Aug 2026 13:40:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.4206
- Title: TransMeme: A Multi-Agent Framework for Cross-Cultural Meme Transcreation
- Title（参考訳）: TransMeme: クロスカルチャーなミームトランスクリエーションのためのマルチエージェントフレームワーク
- Abstract要約: 異文化間のミームのトランスクリエーションは、コミュニケーションの意図を維持し、ターゲットの聴衆に文化に依存した意味を適応させ、テキストとイメージの一貫性を維持する必要がある。
本稿では,これらの課題に対処するために,文化適応,ターゲットテキストの書き直し,リビジョン,条件付き視覚調整によって調整された特殊エージェントを備えたマルチエージェントフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 13.601301289701892
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Internet memes are a pervasive form of multimodal online communication; however, such communication often involves users from diverse linguistic and cultural backgrounds. Therefore, adapting memes across cultures and languages is a central challenge for enabling mutual understanding in online communication. Unlike ordinary translation or standalone text rewriting, cross-cultural meme transcreation must jointly preserve communicative intent, adapt culture-dependent meaning for the target audience, and maintain coherence between text and image. In this work, we first provide an explicit task analysis of cross-cultural meme transcreation and identify three core challenges: culture-specific knowledge understanding, intent and tone preservation, and multimodal consistency. Based on this analysis, we propose a multi-agent framework with specialized agents that are coordinated to address these challenges through cultural adaptation, target text rewriting, revision, and conditional visual adjustment. The framework strengthens target text adaptation with coordinated feedback to handle difficult cases that require deeper cultural or visual intervention. We evaluate the framework on bidirectional Chinese-English meme transcreation using both human evaluation and LLM-as-a-Judge. Our method consistently outperforms all baselines across both evaluation settings. In human evaluation, it achieves the best performance on all four dimensions and delivers a 33.1% average improvement over the strongest baseline, while in LLM-as-a-Judge, it attains the highest Top-1 ranking rate (60% versus 26% for the second-best baseline). Further analysis indicates that each component contributes to the performance. Our error analysis suggests that the remaining bottlenecks lie in humor reconstruction and image-text alignment rather than simple cultural knowledge gaps, pointing to future work on humor transfer.
- Abstract（参考訳）: インターネットミームは多モーダルなオンラインコミュニケーションの広汎な形態であるが、そのようなコミュニケーションには様々な言語的、文化的背景を持つユーザーが関与することが多い。
したがって、オンラインコミュニケーションにおける相互理解を実現する上で、文化や言語にまたがってミームを適応させることが中心的な課題である。
通常の翻訳やスタンドアローンのテキストの書き直しとは異なり、異文化のミームのトランスクリエーションはコミュニケーションの意図を共同で保存し、ターゲットの聴衆に文化に依存した意味を適応させ、テキストとイメージの一貫性を維持する必要がある。
本研究は、まず、異文化間のミームのトランスクリエーションの明示的なタスク分析を行い、文化固有の知識理解、意図と音の保存、マルチモーダル一貫性の3つの課題を特定する。
この分析に基づき、文化適応、ターゲットテキスト書き換え、リビジョン、条件付き視覚調整を通じて、これらの課題に対処するために調整された特殊エージェントを備えたマルチエージェントフレームワークを提案する。
このフレームワークは、より深い文化的または視覚的な介入を必要とする困難なケースを扱うために、協調したフィードバックによるターゲットテキスト適応を強化する。
人的評価とLCM-as-a-Judgeの両方を用いて、双方向の中国語・英語のミームのトランスクリエーションの枠組みを評価する。
提案手法は, 両評価設定において, 全ベースラインを一貫して上回っている。
人的評価では、最強のベースラインに対して平均33.1%の改善を達成し、LLM-as-a-Judgeでは最高1位(第2のベースラインでは60%対26%)を達成した。
さらなる分析は、各コンポーネントがパフォーマンスに寄与することを示している。
我々の誤り分析は、ユーモアの再構築と画像テキストのアライメントに残るボトルネックが、単純な文化的知識のギャップではなく、将来的なユーモアの伝達に向けられていることを示唆している。
関連論文リスト
- MemeBridge: A Dataset for Benchmarking and Mitigating the Bidirectional Cultural Gap in Meme Interpretation [16.37143301773968]
本稿では,米国産ミームを中心としたキュレートデータセットであるMemeBridgeを紹介する。
ここでの文脈は、背景信念、規範、ミーム理解を形成する共有前提を含む暗黙の文化的知識を指す。
我々は、米国参加者の予想される誤解がしばしば不正確であることを観察する。
論文 参考訳（メタデータ） (2026-08-31T23:38:23Z) - MAVEN A Multi-Agent Framework for Multicultural Text-to-Video Generation [7.901765633133679]
MAVENはマルチエージェントのプロンプトリファインメントフレームワークである。
プロンプトを人、行動、位置の次元に分解する。
モノカルチャーとクロスカルチャーの両方のT2V世代における文化的忠実性を改善する。
論文 参考訳（メタデータ） (2026-05-16T00:01:18Z) - From Native Memes to Global Moderation: Cross-Cultural Evaluation of Vision-Language Models for Hateful Meme Detection [13.900106805972]
本稿では,最先端ビジョン言語モデル(VLM)の文化的相互堅牢性を定量的に評価する手法を提案する。
i)学習戦略(ゼロショット対ワンショット)、(ii)言語(ネイティブ対イングリッシュ)、(iii)意味と検出に対する翻訳効果の3つを分析した。
その結果,共通の翻訳・翻訳・検出アプローチは性能を低下させる一方,文化的に整合した介入(母語プロンプトとワンショット学習)は検出を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2026-02-07T11:14:57Z) - Beyond Translation: Cross-Cultural Meme Transcreation with Vision-Language Models [9.43501626015691]
クロスカルチャー・ミーム・トランスクリエーションは、文化固有の基準を適用しつつ、コミュニケーションの意図とユーモアを維持することを目的とした課題である。
本稿では,視覚言語モデルに基づくハイブリッドトランスクリエーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-23T01:04:58Z) - Where Culture Fades: Revealing the Cultural Gap in Text-to-Image Generation [43.352493955825736]
現在のT2Iモデルは、多言語的なプロンプトの下で、文化的に中立な結果や英語に偏った結果をもたらすことが多い。
本稿では,培養感受性シグナルを少数の固定層内の小さなニューロン群に局在させる探索法を提案する。
論文 参考訳（メタデータ） (2025-11-21T14:40:50Z) - MMA-ASIA: A Multilingual and Multimodal Alignment Framework for Culturally-Grounded Evaluation [91.22008265721952]
MMA-ASIAは、アジア8か国と10か国を対象とする人為的、多言語的、マルチモーダルなベンチマークに重点を置いている。
これは、テキスト、画像(視覚的質問応答)、音声の3つのモードにまたがる入力レベルで整列された最初のデータセットである。
i) 国間の文化的認識格差、(ii) 言語間の整合性、(iii) 言語間の整合性、(iv) 文化知識の一般化、(v) 基礎的妥当性を評価する5次元評価プロトコルを提案する。
論文 参考訳（メタデータ） (2025-10-07T14:12:12Z) - CultureScope: A Dimensional Lens for Probing Cultural Understanding in LLMs [57.653830744706305]
CultureScopeは、大規模な言語モデルにおける文化的理解を評価するための、これまでで最も包括的な評価フレームワークである。
文化的な氷山理論に触発されて、文化知識分類のための新しい次元スキーマを設計する。
実験結果から,文化的理解を効果的に評価できることが示唆された。
論文 参考訳（メタデータ） (2025-09-19T17:47:48Z) - CaMMT: Benchmarking Culturally Aware Multimodal Machine Translation [47.54347964192231]
本稿では,5800枚以上の画像のベンチマークであるCaMMTと,英語と地域語でのパラレルキャプションを紹介する。
自動的および人的評価により、視覚的コンテキストは一般的に翻訳品質を改善する。
論文 参考訳（メタデータ） (2025-05-30T10:42:44Z) - CAReDiO: Cultural Alignment of LLM via Representativeness and Distinctiveness Guided Data Optimization [50.90288681622152]
大規模言語モデル(LLM)は、より深く様々な地域における人間の生活に統合される。
既存のアプローチは、文化固有のコーパスを微調整することで、文化的に整合したLCMを開発する。
本稿では,新しい文化データ構築フレームワークであるCAReDiOを紹介する。
論文 参考訳（メタデータ） (2025-04-09T13:40:13Z) - Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
本稿では,多文化知識獲得のための新しいアプローチを提案する。
本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。
私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
論文 参考訳（メタデータ） (2024-02-14T18:16:54Z) - Benchmarking Machine Translation with Cultural Awareness [50.183458829028226]
文化関連コンテンツの翻訳は、効果的な異文化間コミュニケーションに不可欠である。
多くの文化特化項目(CSI)は言語間の翻訳を欠いていることが多い。
この難しさは機械翻訳システムの文化的意識の分析を妨げる。
論文 参考訳（メタデータ） (2023-05-23T17:56:33Z)
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。