RMS@CC-MMD 2026：通過幾何交互和多視角共識進行多模態厭女檢測

互聯網模因的泛濫為自動內容審核帶來了新的挑戰，尤其是在檢測厭女內容方面。模因常常利用視覺和文本模態之間的語義衝突，仇恨意圖隱含且具有文化背景。為此，研究人員提出了GeoMVC（幾何交互和多視角共識）模型，用於ICMI 2026的CC-MMD大挑戰賽。該模型的核心創新在於幾何交互層，它通過哈達瑪積和餘弦相似度在凍結的視覺和文本嵌入之間建模跨模態對齊，替代了傳統的靜態特徵拼接。此外，為了應對噪聲OCR和代碼混合音譯（如Dravidian語言中的羅馬化）帶來的分佈偏移，模型採用了多視角共識策略，聚合來自原始、長度過濾和英文翻譯文本視圖的預測。在任務A的評估中，GeoMVC在馬拉雅拉姆語分區取得了Macro F1為0.892的成績，排名第二；在中文分區取得0.895，排名第三；而在泰米爾語分區則因本地化音譯和諷刺性代碼混合的挑戰，僅以0.521的Macro F1排名第五。開發集上的詳細錯誤分析揭示了跨Dravidian和中國文化背景下建模本地化音譯和代碼混合諷刺的開放難題。該論文已被ICMI 2026接收。總之，GeoMVC通過幾何交互和多視角共識有效提升了模因厭女檢測的性能，但本地化和文化差異仍是未來研究的重要方向。