HarassGuard：利用视觉语言模型检测社交虚拟现实中的骚扰行为
计算机视觉与模式识别
2026-04-02 v1 人机交互
摘要
社交虚拟现实（VR）平台提供了沉浸式社交体验，但也使用户面临严重的在线骚扰风险。现有的安全措施主要是被动的，而主动检测事件中骚扰行为的解决方案往往依赖敏感的生物特征数据，引发隐私担忧。本文，我们提出HarassGuard，一个基于视觉语言模型（VLM）的系统，仅使用视觉输入检测社交VR中的物理骚扰。我们构建了经IRB批准的骚扰视觉数据集，应用提示工程，并通过考虑社交VR中的上下文信息微调VLM以检测骚扰行为。实验结果表明，HarassGuard与最先进基线（即LSTM/CNN、Transformer）相比达到了具有竞争力的性能，在二分类中准确率达到88.09%，在多分类中达到68.85%。值得注意的是，HarassGuard在使用显著更少的微调样本（200 vs. 1,115）的情况下达到了同等基线性能，在上下文推理和隐私保护检测方面具有独特优势。
引用
@article{arxiv.2604.00592,
title = {HarassGuard: Detecting Harassment Behaviors in Social Virtual Reality with Vision-Language Models},
author = {Junhee Lee and Minseok Kim and Hwanjo Heo and Seungwon Woo and Jinwoo Kim},
journal= {arXiv preprint arXiv:2604.00592},
year = {2026}
}
备注
To appear in the 2026 TVCG Special Issue on the 2026 IEEE Conference on Virtual Reality and 3D User Interfaces (VR)