visual-emotion

本文介绍了ArtECulture，这是一个用于多模态大语言模型中文化条件视觉情感理解的基准测试，涵盖英语、中文和阿拉伯文化，并包含均衡的西方和非西方艺术作品。评估表明该任务仍具挑战性，作者提出了一种检索增强框架，将文化知识注入多模态大语言模型（MLLMs）。