Tag · 1 篇
MMSD3.0: A Multi-Image Benchmark for Real-World Multimodal Sarcasm Detection
该论文提出的多图像基准和跨图像推理模型(CIRM)为视觉-语言任务中多图像语义关系建模提供了可复用的评测平台和融合思路,尤其适用于需要跨图像推理的讽刺检测、情感分析等场景。