यह पत्र LGBTQ+ समुदाय को लक्षित करने वाले घृणास्पद मीम्स की समस्या को संबोधित करता है, जो कैप्शन या छवियों में मामूली बदलाव के साथ भी पहचान प्रणालियों से बच निकलते हैं। PrideMM डेटासेट का उपयोग करते हुए, हम चार यथार्थवादी कैप्शन हमलों और तीन सामान्य छवि भ्रष्टाचारों को मिलाकर पहला मजबूती बेंचमार्क बनाते हैं। दो अत्याधुनिक डिटेक्टरों, MemeCLIP और MemeBLIP2 का उपयोग केस स्टडी के रूप में करते हुए, हम एक हल्का टेक्स्ट डेनॉइजिंग एडेप्टर (TDA) प्रस्तुत करते हैं जो MemeBLIP2 के लचीलेपन को बेहतर बनाता है। प्रायोगिक परिणाम दर्शाते हैं कि MemeCLIP अधिक धीरे से ख़राब होता है, जबकि MemeBLIP2 विशेष रूप से कैप्शन संपादन के प्रति संवेदनशील है जो भाषा प्रसंस्करण में हस्तक्षेप करता है। हालांकि, TDA को जोड़ने से न केवल इस कमजोरी का समाधान होता है, बल्कि MemeBLIP2 समग्र रूप से सबसे मजबूत मॉडल बन जाता है
