文章总结： 桂林电子科技大学林煜明教授课题组提出自适应多粒度解耦网络AMGNet，用于多模态讽刺检测。该方法通过双向条件Transformer及图卷积网络增强文本与视觉表征，解决模态干扰问题。实验表明，AMGNet在MMSD等数据集上准确率达94.35%，优于此前最优方法，成果发表于顶级期刊InformationFusion。
综合评分： 75
文章分类： AI安全
桂林电子科技大学计算机与信息安全学院林煜明教授课题组在多模态讽刺检测领域取得重要进展
信息网络安全杂志
2026年2月1日 17:01
上海
近日，桂林电子科技大学计算机与信息安全学院林煜明教授课题组在多模态讽刺检测领域取得重要进展，相关成果在人工智能领域国际顶级期刊《Information Fusion》（中科院计算机科学大类一区Top，IF：15.5）上发表了题为“AMGNet: Adaptive multi-granularity decoupling network for multimodal sarcasm detection”的学术论文。桂林电子科技大学为论文第一完成单位，博士研究生何丽华为第一作者，林煜明教授为通讯作者。
多模态讽刺检测是通过图像和文本识别用户隐含意图的关键步骤。现有方法主要依赖于检测多模态间的不一致信息来进行讽刺检测。然而，这些方法往往忽视了一个关键问题：此类不一致信息仅构成整体特征空间的一小部分，并且容易受到模态不变特征的干扰。为了应对这些局限性，论文提出了一种用于多模态讽刺检测的自适应多粒度解耦网络（AMGNet），该网络在全局层面捕捉全面的语义信息，动态提取细粒度的局部线索，并利用解耦进行讽刺检测。具体而言，为了有效防止跨模态融合过程中模态特定特征的退化，设计了一个双向条件Transformer。此外，论文提出了一个注意力感知图卷积网络（AAGCN）和一个邻居感知图卷积网络（NAGCN），分别用于增强文本模态和视觉模态的表征能力。实验结果表明，所提出的AMGNet模型在两个MSD基准数据集MMSD和MMSD2.0上分别达到了94.35%和86.26%的准确率，比此前最优方法分别高出0.94%和1.36%。
论文链接：https://doi.org/10.1016/j.inffus.2025.104039
来源：桂林电子科技大学计算机与信息安全学院
推荐阅读
信息网络安全
《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。
中文核心期刊
中国科技核心期刊
中国科学引文数据库来源期刊
CCF计算领域高质量科技期刊
我们在不断努力和完善中，期待您的关注和支持！
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：信息网络安全杂志 《桂林电子科技大学计算机与信息安全学院林煜明教授课题组在多模态讽刺检测领域取得重要进展》