S2TDR
一种结构化的多模态对话重构框架，将包含表情包的对话轮次分解为视觉线索提取、情感-意图推理和上下文感知对话重构三个可解释步骤，转换为文本话语供下游文本模型消费。
时间轴 (近 90 天)
S2TDR 是一个结构化的多模态重构框架，将包含表情包的对话轮次转换为上下文合适的文本话语。
S2TDR 将表情包解读分解为三个可解释的子步骤：视觉线索提取、情感-意图推理、上下文感知对话重构。
S2TDR 将 OCR 文本仅作为辅助线索，在可用时使用，而不是核心依赖。
重构后的对话可以直接输入现有的文本对话模型，无需对下游模型做任何架构修改。
论文在三个典型对话理解任务上评估了 S2TDR：情感分析、意图识别和对话摘要。
相比直接将表情包作为视觉输入拼接给模型，S2TDR 的结构化重构对多种下游模型都有普遍提升。
作者进行了组件消融实验，验证视觉提取、意图推理和重构各模块的贡献。
作者专门测试了不含 OCR 文本的表情包场景，确认框架不依赖 OCR。
S2TDR 的方法隐含一个假设：将表情包转换为文本不会丢失关键信息。
对于高度依赖视觉风格（如特定梗图的幽默感）的表情包，文本重构可能仍有信息损失。
还有 1 条时间轴事件
全部知识事实 (11)
S2TDR 是一个结构化的多模态重构框架，将包含表情包的对话轮次转换为上下文合适的文本话语。
50%待验证S2TDR 将表情包解读分解为三个可解释的子步骤：视觉线索提取、情感-意图推理、上下文感知对话重构。
50%待验证S2TDR 将 OCR 文本仅作为辅助线索，在可用时使用，而不是核心依赖。
50%待验证重构后的对话可以直接输入现有的文本对话模型，无需对下游模型做任何架构修改。
50%待验证论文在三个典型对话理解任务上评估了 S2TDR：情感分析、意图识别和对话摘要。
50%待验证相比直接将表情包作为视觉输入拼接给模型，S2TDR 的结构化重构对多种下游模型都有普遍提升。
50%待验证作者进行了组件消融实验，验证视觉提取、意图推理和重构各模块的贡献。
50%待验证作者专门测试了不含 OCR 文本的表情包场景，确认框架不依赖 OCR。
50%待验证S2TDR 的方法隐含一个假设：将表情包转换为文本不会丢失关键信息。
50%待验证对于高度依赖视觉风格（如特定梗图的幽默感）的表情包，文本重构可能仍有信息损失。
50%待验证S2TDR 的显式重构带来了可解释性（中间步骤可审计）和兼容性（现有文本模型无需改动）两个好处。
50%