原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
AdS:多模态讽刺检测的适配器状态共享框架
SoumyadeepJanaSahilDanayakSanasamRanbir
IITGuwahatiIITGuwahati
Singh
Guwahati,Assam,IndiaGuwahati,Assam,India
IITGuwahati
sjana@iitg.ac.in
Guwahati,Assam,India
ranbir@iitg.ac.in
摘要Keywords
社交媒体上多模态图文讽刺内容的日益普遍为意见挖多模态讽刺检测，适配器学习，多模态语义学习
掘带来了挑战，尤其是在资源受限的情况下。现有方ACMReferenceFormat:
本法依赖于大型预训练模型的完全微调，这使得它们不SoumyadeepJana,SahilDanayak,andSanasamRanbirSingh.2018.
译适合低资源环境。尽管最近的参数高效微调（PEFT）方AdS:多模态讽刺检测的适配器状态共享框架.InProceedings
中法显示出希望，但它们在复杂任务如讽刺检测上的现ofMakesuretoenterthecorrectconferencetitlefromyourrights
成使用表现不佳。我们提出了AdS（适配器状态共享），confirmationemail(Conferenceacronym’XX).ACM,NewYork,NY,
1USA,7pages./XXXXXXX.XXXXXXX
v这是一个基于CLIP构建的轻量级框架，在高层插入适
8
0配器并引入了一种新颖的适配器状态共享机制，其中
5文本适配器指导视觉适配器。这种设计促进了高效的1介绍
4
0跨模态学习，同时保留了低级别的单模态表示。在两多模态图像文本讽刺的使用在社交媒体上泛滥，给意
.
7个公共基准上的实验表明，AdS使用远少于现有PEFT见挖掘系统带来了挑战[1,19]。现有的多模态讽刺检
0
5和完全微调方法的可训练参数达到了最先进的结果。测方法[3,14,15,20,22,28]通常依赖于微调大型预训
2
:练模型，这使得它们不太适合资源受限的情景。这强
v
iCCSConcepts调了对更参数高效的解决方案的需求。
x
r最
文档评论（0）