论文
HarassGuard：使用视觉语言模型检测社交虚拟现实中的骚扰行为
HarassGuard: Detecting Harassment Behaviors in Social Virtual Reality with Vision-Language Models
摘要
社交虚拟现实 (VR) 平台提供身临其境的社交体验，但也让用户面临在线骚扰的严重风险。现有的安全措施在很大程度上是被动的，而在事件期间检测骚扰行为的主动解决方案通常依赖于敏感的生物识别数据，从而引发了隐私问题。在本文中，我们介绍了 HarassGuard，这是一种基于视觉语言模型 (VLM) 的系统，仅使用视觉输入即可检测社交 VR 中的身体骚扰。我们构建了 IRB 批准的骚扰视觉数据集，应用即时工程，并通过考虑社交 VR 中的上下文信息来微调 VLM 以检测骚扰行为。实验结果表明，与最先进的基线（即 LSTM/CNN、Transformer）相比，HarassGuard 实现了具有竞争力的性能，二元分类准确率高达 88.09%，多类分类准确率高达 68.85%。值得注意的是，HarassGuard 匹配这些基线，同时使用明显更少的 微调 样本（200 对 1,115），在上下文推理和隐私保护检测方面提供独特的优势。