摘要

仇恨表情包检测是近年来兴起的一个新兴研究领域，该任务不仅需要对表情包进行视觉与语言层面的综合理解，还需具备一定的背景知识才能取得良好性能。本技术报告总结了2020年仇恨表情包检测挑战赛（Hateful Meme Detection Challenge 2020）第一名的解决方案，该方案通过扩展当前最先进的视觉-语言Transformer模型来应对这一挑战。报告末尾，我们还指出了现有方法的局限性，并探讨了未来可能的改进方向。