精度74.05%
结合BERT与ResNet50的跨模态融合模型，在Twitter讽刺数据集上优于对比模型。
Senchang, Zhang · He, Yue · Li, Lei · Yaowen, Dou
2023
文本和图像特征经Transformer编码器交互，减少模态间信息差异。
在Twitter讽刺数据集上精度达74.05%，超过对比模型。