RMS@CC-MMD 2026：幾何学的相互作用とマルチビューコンセンサスによるマルチモーダルミソジニー検出

インターネットミームの普及により、自動コンテンツモデレーション、特にミソジニー検出に新たな複雑さが生じている。ミームはしばしば視覚とテキストのモダリティ間の意味的衝突に依存し、憎悪の意図は暗黙的で文化的に根ざしている。本論文では、ICMI 2026のCC-MMDグランドチャレンジのために開発されたGeoMVC（幾何学的相互作用とマルチビューコンセンサス）を提案する。静的フィーチャー連結の限界に対処するため、幾何学的相互作用層が提案された。これは、凍結された視覚的およびテキスト的埋め込み間のクロスモーダルアライメントを、アダマール積とコサイン類似度を用いてモデル化する。さらに、ノイズの多いOCRやコードミックス転写（特にドラヴィダ語のローマ字化）による分布シフトを軽減するため、マルチビューコンセンサス戦略を採用し、生テキスト、長さフィルタリング済み、英語翻訳済みの3つのビューからの予測を集約する。タスクAにおいて、このシステムはマラヤーラム語パーティションでMacro F1 0.892を達成し2位、中国語パーティションで0.895を達成し3位、タミル語パーティションでは0.521で5位となった。開発パーティションでの詳細なエラー分析により、ドラヴィダ語と中国文化の文脈における局所化された転写とコードミックスされた皮肉のモデリングにおける未解決の課題が明らかになった。本論文はICMI 2026に採択されている。GeoMVCは幾何学的相互作用とマルチビューコンセンサスによりミームのミソジニー検出性能を効果的に向上させたが、ローカライズと文化差は今後の重要な研究方向である。