タミル語は、アジア南部地域で広く使用・話されているドゥラヴィダ語族に属する言語である。ソーシャルメディアの時代において、ミームは人々の日常生活中の楽しみの一つとなっている。本研究では、タミル語のミームの真正な意味を解明するために、それを「トロール型」と「非トロール型」に分類して分析を試みる。本研究では、アテンションを主要な構成要素として用いる、トランスフォーマー・トランスフォーマー構造を有する革新的なモデルを提案する。このモデルは、最先端の性能を達成することを目指している。データセットは、それぞれの画像とそれに付随するキャプション（テキスト）から構成されており、トロール型と非トロール型の画像を含んでいる。このタスクは二値分類問題である。モデルの目的は、画像およびテキストから抽出された特徴に重点を置きつつ、ノイズを無視することにある。