Qwen2 Vl 7b Rslora Offensive Meme Singapore

🚀 Qwen2-VL 7B RSLORAシンガポール攻撃的ネタ画像モデルカード

このモデルは、シンガポールの文脈における攻撃的ネタ画像の分類に対して、Qwen2-VL-7B-Instructを微調整したバージョンです。multimodal_meme_classification_singaporeデータセットを基に訓練されています。

🚀 クイックスタート

このモデルの使い方については、「💻 使用例」をご参照ください。

✨ 主な機能

このモデルは、シンガポールの社会的背景を考慮して、ネタ画像が攻撃的かどうかを分類します。Qwen2-VL-7B-Instructの視覚とテキスト理解能力を活用しています。

📚 ドキュメント

🔍 モデルの説明

このモデルは、シンガポールの社会的背景を考慮して、ネタ画像が攻撃的かどうかを分類します。Qwen2-VL-7B-Instructの視覚とテキスト理解能力を活用しています。

• 開発者：曹宇軒、吴家揚、Alistair Cheong Liang Chuen、Bryan Shan Guanrong、Theodore Lee Chong Jen、Sherman Chann Zhi Shen
• モデルタイプ：視覚言語モデル（VLM）
• 言語（NLP）：英語
• ライセンス：MIT
• 微調整ベースモデル：Qwen/Qwen2-VL-7B-Instruct

🌐 モデルの出所

• リポジトリ：https://github.com/aliencaocao/vlm-for-memes-aisg
• 論文：Detecting Offensive Memes with Social Biases in Singapore Context Using Multimodal Large Language Models

💻 使用例

📌 直接使用

このモデルは、ネタ画像の分類に直接使用できます。具体的なコード例については、「🚀 如何开始使用模型」を参照してください。

📌 下流アプリケーション（オプション）

このモデルは、他の関連タスクに対してさらに微調整することができます。また、より大規模なコンテンツ審査システムに統合することも可能です。

🚫 適用範囲外の使用

このモデルは、シンガポールの文脈に特化して訓練されているため、他の文化や言語にうまく汎化できない可能性があります。個人やグループに対して確定的な判断を下すためにこのモデルを使用しないでください。

⚠️ 偏差、リスク、制限事項

他の機械学習モデルと同様に、このモデルは訓練データに存在する偏差を示す可能性があります。これらの制限事項を認識し、責任を持ってこのモデルを使用することが重要です。潜在的な偏差を評価し軽減するために、さらなる研究が必要です。

💡 使用上の提案

ユーザーは、モデルの性能に偏差や制限があることを認識する必要があります。このモデルは、人間の審査員を支援するツールとして使用することをおすすめします。人間の判断を代替するものではありません。

🔧 技術詳細

📊 訓練データ

このモデルは、multimodal_meme_classification_singaporeデータセットを基に訓練されています。このデータセットには、シンガポールの文脈において攻撃的または非攻撃的としてラベル付けされたネタ画像が含まれています。

📋 訓練プロセス

訓練プロセスの詳細については、論文を参照してください。

📈 評価

このモデルは、保持されたテストセットで0.8192のAUROCと0.8043の正解率を達成しました。評価方法の詳細については、論文を参照してください。

📄 ライセンス

このモデルは、MITライセンスの下で提供されています。

📖 引用

@misc{yuxuan2025detectingoffensivememessocial,
      title={Detecting Offensive Memes with Social Biases in Singapore Context Using Multimodal Large Language Models}, 
      author={Cao Yuxuan and Wu Jiayang and Alistair Cheong Liang Chuen and Bryan Shan Guanrong and Theodore Lee Chong Jen and Sherman Chann Zhi Shen},
      year={2025},
      eprint={2502.18101},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2502.18101}, 
}

📋 情報テーブル