論文の概要: Addressing Overcommitment in the Reasoning of Gendered Economic Memes under Multimodal Ambiguity

• arxiv url: http://arxiv.org/abs/2610.11724v1
• Date: Thu, 08 Oct 2026 11:24:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.976163
• Title: Addressing Overcommitment in the Reasoning of Gendered Economic Memes under Multimodal Ambiguity
• Title（参考訳）: マルチモーダルなあいまいさ下におけるジェンダード・エコノミー・ミームの推論における過度な制約への対処
• Abstract要約: 本研究は,文脈充足のレンズを用いて,画像テキスト・ミームにおけるジェンダー付き経済依存について検討する。 CGER-Netは、入力が男女経済の推論に十分な証拠を提供するかどうかを推定するコンテキストベースフレームワークである。 CGER-Net on EconMeme-GE, a curated image-text meme as annotated as Men, Women, Neutral, Ambiguous。
• 参考スコア（独自算出の注目度）: 13.256149794362194
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimodal meme understanding is increasingly used to analyze socially sensitive content, yet existing models often exhibit biased behavior when interpreting economic dependence and social roles under ambiguity. Many memes express economic relationships through sparse text or symbolic visual cues, providing insufficient evidence for gendered attribution. In such underspecified settings, models tend to rely on pretraining correlations, leading to hallucinated and stereotypical economic role assignments. In this work, we study gendered economic dependence in image-text memes through the lens of contextual sufficiency and identify epistemic overcommitment-inferring roles without adequate evidence-as a primary source of bias. We propose CGER-Net, a context-grounded multimodal framework that estimates whether the input provides sufficient evidence for gendered economic reasoning and applies evidence-gated inference to enable confident attribution when cues are explicit while favoring principled abstention otherwise. We evaluate CGER-Net on EconMeme-GE, a curated dataset of image-text memes annotated as Men, Women, Neutral, or Ambiguous. Across strong contemporary multimodal baselines, CGER-Net reduces Gender Overcommitment Rate by up to 44% on ambiguous instances while maintaining comparable accuracy on unambiguous cases. Human evaluation further shows that 79% of generated rationales are judged as epistemically aligned with the available evidence. These results highlight the importance of modeling when not to infer for reliable and responsible multimodal analysis.
• Abstract（参考訳）: マルチモーダル・ミーム理解は、社会的に敏感なコンテンツを分析するためにますます用いられるが、既存のモデルは、経済的依存と曖昧さの下で社会的役割を解釈する際にバイアスのある振る舞いを示すことが多い。 多くのミームは、スパーステキストや象徴的な視覚的手がかりを通じて経済的関係を表現しており、性別による帰属の証拠が不十分である。 このような具体的でない設定では、モデルは事前訓練された相関に頼りがちであり、幻覚的でステレオタイプな経済的な役割の割り当てにつながる。 本研究は,画像テキストにおける性別依存型経済的依存を,文脈満足度レンズを用いて検討し,適切な証拠を伴わずに,疫学的過剰摂取による役割の特定を主要因とする。 CGER-Netは、入力が男女経済の推論に十分な証拠を与えるかどうかを推定し、原則的棄却を優先しながら、原則的棄却を明示する上で、確実な帰属を可能にする証拠付き推論を適用する。 CGER-Net on EconMeme-GE, a curated image-text meme as annotated as Men, Women, Neutral, Ambiguous。 強力な現代マルチモーダルベースライン全体にわたって、CGER-Netは、あいまいなケースでは最大44%、あいまいなケースでは同等の精度を維持しながら、ジェンダー過剰率を最大44%削減する。 さらに人的評価は、生成した有理数のうち79%が、利用可能な証拠とエピステマティックに一致していると判断されていることを示している。 これらの結果は、信頼性と責任のあるマルチモーダル分析を推論しない場合のモデリングの重要性を強調している。

関連論文リスト

• Failure of contextual invariance in gender inference with large language models [0.143494686131174]
  最小で理論上は非形式的な言論コンテキストを導入し、モデル出力の大規模かつ体系的な変化を引き起こすことを発見した。 文化性ステレオタイプとの相関関係は、文脈が導入されたら、文脈が弱まるか、あるいは消える。 コンテキスト・バイ・Default分析により、モデル全体で19～52%のケースにおいて、この依存が持続することが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-24T17:52:22Z)
• Measuring Social Bias in Vision-Language Models with Face-Only Counterfactuals from Real Photos [79.03150233804458]
  現実のイメージは人種と性別を混在させ、背景や衣服などの関連要因や属性を隠蔽する。 テキストのみの対実的評価パラダイムを提案する。 我々は、人種や性別に関連する顔属性のみを編集し、他の視覚的要素を全て固定することで、反事実的変異を生成する。
  論文  参考訳（メタデータ） (2026-01-11T14:35:06Z)
• PRSM: A Measure to Evaluate CLIP's Robustness Against Paraphrases [9.398106516502477]
  Contrastive Language-Image Pre-Training (CLIP) は、大規模トレーニングを通じてテキストと画像表現を整列する多モーダルモデルである。 ゼロショットや少数ショットのタスクで強く機能するが、言語の変化、特にパラフレーズに対する頑健さはいまだに未発見のままである。 本稿では、CLIPのパラフレーズクエリに対する感度を定量化するための新しい尺度である、パラフレーズランキング安定度尺度(PRSM)を紹介する。
  論文  参考訳（メタデータ） (2025-11-14T10:19:04Z)
• Assessing the Reliability of LLMs Annotations in the Context of Demographic Bias and Model Explanation [5.907945985868999]
  本研究では,アノテータの人口統計学的特徴がテキストコンテンツと比較してラベル決定に与える影響について検討した。 一般化線形混合モデルを用いて、この差分率を定量化し、観測された分散のごく一部(8%)が人口統計因子であることを示した。 次に、ジェネレーティブAI(GenAI)モデルの信頼性をアノテータとして評価し、人口統計学的パーソナによる指導が人間の判断との整合性を改善するかどうかを具体的に評価する。
  論文  参考訳（メタデータ） (2025-07-17T14:00:13Z)
• From Individuals to Interactions: Benchmarking Gender Bias in Multimodal Large Language Models from the Lens of Social Relationship [13.416624729344477]
  我々はジェネレス(Genres)について紹介する。ジェネレス(Genres)は、MLLMにおけるジェンダーバイアスを評価するための新しいベンチマークである。 本研究は,MLLMにおける性差の微妙な性差の診断における関係認識ベンチマークの重要性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-29T06:03:21Z)
• On the Fairness, Diversity and Reliability of Text-to-Image Generative Models [68.62012304574012]
  マルチモーダル生成モデルは 信頼性 公正性 誤用の可能性について 批判的な議論を巻き起こしました 埋め込み空間におけるグローバルおよびローカルな摂動に対する応答を解析し、モデルの信頼性を評価するための評価フレームワークを提案する。 提案手法は, 信頼できない, バイアス注入されたモデルを検出し, 組込みバイアスの証明をトレースするための基礎となる。
  論文  参考訳（メタデータ） (2024-11-21T09:46:55Z)
• GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
  本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。 ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。 既存のLVLMでは男女差が広くみられた。
  論文  参考訳（メタデータ） (2024-06-30T05:55:15Z)
• Gender Biases in Automatic Evaluation Metrics for Image Captioning [87.15170977240643]
  画像キャプションタスクのためのモデルに基づく評価指標において、性別バイアスの体系的研究を行う。 偏りのある世代と偏りのない世代を区別できないことを含む、これらの偏りのあるメトリクスを使用することによる負の結果を実証する。 人間の判断と相関を損なうことなく、測定バイアスを緩和する簡便で効果的な方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T04:27:40Z)
• Counterfactual Reasoning for Out-of-distribution Multimodal Sentiment Analysis [56.84237932819403]
  本稿では,OODの高次一般化に対するテキストモダリティの悪影響を推定・緩和することを目的とする。 そこで本研究では,マルチモーダル感情分析のためのモデルに依存しない反現実的フレームワークを考案した。
  論文  参考訳（メタデータ） (2022-07-24T03:57:40Z)

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。