Buchumschlag

NYK-MS: A Well-annotated Multi-modal Metaphor and Sarcasm Understanding Benchmark on Cartoon-Caption Dataset

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chang, Ke, Li, Hao, Zhang, Junzhao, Wu, Yunfang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CFMS: Towards Explainable and Fine-Grained Chinese Multimodal Sarcasm Detection Benchmark
von: Zhang, Junzhao, et al.
Veröffentlicht: (2026)

Multi-modal Semantic Understanding with Contrastive Cross-modal Feature Alignment
von: Zhang, Ming, et al.
Veröffentlicht: (2024)

Mixture-of-Prompt-Experts for Multi-modal Semantic Understanding
von: Wu, Zichen, et al.
Veröffentlicht: (2024)

Towards Multimodal Metaphor Understanding: A Chinese Dataset and Model for Metaphor Mapping Identification
von: Zhang, Dongyu, et al.
Veröffentlicht: (2025)

Humor in AI: Massive Scale Crowd-Sourced Preferences and Benchmarks for Cartoon Captioning
von: Zhang, Jifan, et al.
Veröffentlicht: (2024)

Unlocking the Power of LLM Uncertainty for Active In-Context Example Selection
von: Huang, Hsiu-Yuan, et al.
Veröffentlicht: (2024)

Metaphor Understanding Challenge Dataset for LLMs
von: Tong, Xiaoyu, et al.
Veröffentlicht: (2024)

SarcasmBench: Towards Evaluating Large Language Models on Sarcasm Understanding
von: Zhang, Yazhou, et al.
Veröffentlicht: (2024)

Cultural Bias Matters: A Cross-Cultural Benchmark Dataset and Sentiment-Enriched Model for Understanding Multimodal Metaphors
von: Yang, Senqi, et al.
Veröffentlicht: (2025)

HAIC: Improving Human Action Understanding and Generation with Better Captions for Multi-modal Large Language Models
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

Integrating Feedback Loss from Bi-modal Sarcasm Detector for Sarcastic Speech Synthesis
von: Li, Zhu, et al.
Veröffentlicht: (2025)

Was that Sarcasm?: A Literature Survey on Sarcasm Detection
von: Bagga, Harleen Kaur, et al.
Veröffentlicht: (2024)

Evaluating Multimodal Large Language Models on Spoken Sarcasm Understanding
von: Li, Zhu, et al.
Veröffentlicht: (2025)

Unveiling the Invisible: Captioning Videos with Metaphors
von: Kalarani, Abisek Rajakumar, et al.
Veröffentlicht: (2024)

MS4UI: A Dataset for Multi-modal Summarization of User Interface Instructional Videos
von: Zang, Yuan, et al.
Veröffentlicht: (2025)

InterCLIP-MEP: Interactive CLIP and Memory-Enhanced Predictor for Multi-modal Sarcasm Detection
von: Chen, Junjie, et al.
Veröffentlicht: (2024)

Multi-View Incongruity Learning for Multimodal Sarcasm Detection
von: Guo, Diandian, et al.
Veröffentlicht: (2024)

Friends-MMC: A Dataset for Multi-modal Multi-party Conversation Understanding
von: Wang, Yueqian, et al.
Veröffentlicht: (2024)

MuVaC: A Variational Causal Framework for Multimodal Sarcasm Understanding in Dialogues
von: Guo, Diandian, et al.
Veröffentlicht: (2026)

MetaphorShare: A Dynamic Collaborative Repository of Open Metaphor Datasets
von: Boisson, Joanne, et al.
Veröffentlicht: (2024)

Can Large Vision-Language Models Understand Multimodal Sarcasm?
von: Wang, Xinyu, et al.
Veröffentlicht: (2025)

MulCogBench: A Multi-modal Cognitive Benchmark Dataset for Evaluating Chinese and English Computational Language Models
von: Zhang, Yunhao, et al.
Veröffentlicht: (2024)

Density Matrices for Metaphor Understanding
von: Owers, Jay, et al.
Veröffentlicht: (2024)

Evaluating Large Language Models' Ability Using a Psychiatric Screening Tool Based on Metaphor and Sarcasm Scenarios
von: Yakura, Hiromu
Veröffentlicht: (2023)

CMMU: A Benchmark for Chinese Multi-modal Multi-type Question Understanding and Reasoning
von: He, Zheqi, et al.
Veröffentlicht: (2024)

BESSTIE: A Benchmark for Sentiment and Sarcasm Classification for Varieties of English
von: Srirag, Dipankar, et al.
Veröffentlicht: (2024)

Unsupervised Distractor Generation via Large Language Model Distilling and Counterfactual Contrastive Decoding
von: Qu, Fanyi, et al.
Veröffentlicht: (2024)

Multi-modal Retrieval Augmented Multi-modal Generation: Datasets, Evaluation Metrics and Strong Baselines
von: Ma, Zi-Ao, et al.
Veröffentlicht: (2024)

CMDAG: A Chinese Metaphor Dataset with Annotated Grounds as CoT for Boosting Metaphor Generation
von: Shao, Yujie, et al.
Veröffentlicht: (2024)

Visual Language Tracking with Multi-modal Interaction: A Robust Benchmark
von: Li, Xuchen, et al.
Veröffentlicht: (2024)

DanmakuTPPBench: A Multi-modal Benchmark for Temporal Point Process Modeling and Understanding
von: Jiang, Yue, et al.
Veröffentlicht: (2025)

AMuSeD: An Attentive Deep Neural Network for Multimodal Sarcasm Detection Incorporating Bi-modal Data Augmentation
von: Gao, Xiyuan, et al.
Veröffentlicht: (2024)

Lost in the Passage: Passage-level In-context Learning Does Not Necessarily Need a "Passage"
von: Sun, Hao, et al.
Veröffentlicht: (2025)

Hummus: A Dataset of Humorous Multimodal Metaphor Use
von: Tong, Xiaoyu, et al.
Veröffentlicht: (2025)

A Survey of Multimodal Sarcasm Detection
von: Farabi, Shafkat, et al.
Veröffentlicht: (2024)

KoCoSa: Korean Context-aware Sarcasm Detection Dataset
von: Kim, Yumin, et al.
Veröffentlicht: (2024)

SarcasmMiner: A Dual-Track Post-Training Framework for Robust Audio-Visual Sarcasm Reasoning
von: Li, Zhu, et al.
Veröffentlicht: (2026)

BRACE: A Benchmark for Robust Audio Caption Quality Evaluation
von: Guo, Tianyu, et al.
Veröffentlicht: (2025)

Face-Human-Bench: A Comprehensive Benchmark of Face and Human Understanding for Multi-modal Assistants
von: Qin, Lixiong, et al.
Veröffentlicht: (2025)

Is Sarcasm Detection A Step-by-Step Reasoning Process in Large Language Models?
von: Yao, Ben, et al.
Veröffentlicht: (2024)