Prerecorded laughter accompanying dialog in comedy TV shows encourages the audience to laugh by clearly marking humorous moments in the show. We present an approach for automatically detecting humor in the Friends TV show using multimodal data. Our model is capable of recognizing whether an utterance is humorous or not and assess the intensity of it. We use the prerecorded laughter in the show as annotation as it marks humor and the length of the audience's laughter tells us how funny a given joke is. We evaluate the model on episodes the model has not been exposed to during the training phase. Our results show that the model is capable of correctly detecting whether an utterance is humorous 78% of the time and how long the audience's laughter reaction should last with a mean absolute error of 600 milliseconds.
StandUp4AI: A New Multilingual Dataset for Humor Detection in Stand-up Comedy Videos
Universidad de Chile – DCC（智利大学 – 计算机科学系）；Universidad de Chile – DIE（智利大学 – 信息工程系）；INRIA Chile（法国国家信息与自动化研究所智利分所）；Université Paris Saclay – LISN（巴黎萨克雷大学 – 计算语言学与智能系统实验室）
Do Androids Laugh at Electric Sheep? Humor "Understanding" Benchmarks from The New Yorker Caption Contest
The Allen Institute for AI（艾伦人工智能研究所）；University of Utah（犹他大学）；Cornell University（康奈尔大学）；OpenAI（开放人工智能研究中心）；University of Washington（华盛顿大学）；Air Mail and Cartoon Collections（Air Mail与卡通收藏馆）
Pun Unintended: LLMs and the Illusion of Humor Understanding
Dept of Environmental Sciences, Informatics and Statistics, Ca’ Foscari University of Venice（环境科学、信息与统计系，威尼斯卡弗西大学）；School of Computer Science and Informatics, Cardiff University（计算机科学与信息学院，卡迪夫大学）
MOMENTA: A Multimodal Framework for Detecting Harmful Memes and Their Targets
Johns Hopkins University（约翰斯·霍普金斯大学）；Indraprastha Institute of Information Technology - Delhi（德里英迪拉普拉斯信息技术学院）；Wipro AI Labs（威普罗人工智能实验室）；Sofia University（索非亚大学）；Qatar Computing Research Institute, HBKU（哈马德·本·哈利法大学卡塔尔计算研究所）
网络模因已经成为传播政治、心理和社会文化思想的有力手段。虽然模因通常是幽默的，但最近几天，用于拖钓、网络欺凌和虐待的有害模因不断升级。检测这样的模因是具有挑战性的，因为它们可能是高度讽刺和神秘的。此外，虽然以前的工作集中在模因的具体方面，如仇恨言论和宣传，但很少有关于一般伤害的工作。在这里，我们的目标是弥合这一差距。我们专注于两个任务：（i）检测有害的模因，（ii）识别它们所针对的社会实体。我们进一步扩展了最近发布的HarMeme数据集，该数据集涵盖了COVID-19，增加了额外的模因和一个新的主题：美国政治。为了解决这些任务，我们提出了MOMENTA（MultiModal framework for detecting harmful MemEs aNd Their tTargets），这是一种新型的多模态深度神经网络，它使用全局和局部视角来检测有害模因。MOMENTA系统地分析了输入模因的本地和全球视角（两种模式），并将其与背景语境联系起来。MOMENTA是可解释和可推广的，我们的实验表明，它优于几个强大的竞争方法。
Indraprastha Institute of Information Technology - Delhi（德里英迪拉普拉斯信息技术学院）；Sofia University（索非亚大学）；Wipro AI Labs（威普罗人工智能实验室）；Qatar Computing Research Institute, HBKU（卡塔尔计算研究所（哈马德·本·哈利法大学））
