憎悪および攻撃的なコンテンツの検出は、テキストなどの単一モーダルでの研究が広く行われてきました。しかし、このような有害な情報はオンライン・ミームなどのマルチモーダル・コンテンツを介しても伝達される可能性があります。したがって、マルチモーダル・憎悪コンテンツの検出は、最近学術界および産業界の研究コミュニティで注目を集めています。本論文では、この新興研究分野に貢献するために、DisMultiHateという新しいフレームワークを提案します。DisMultiHateは、マルチモーダル・憎悪コンテンツの分類を行うためのものです。特に、DisMultiHateはマルチモーダル・ミーム内の対象エンティティを解離することにより、憎悪コンテンツの分類精度と説明可能性を向上させるように設計されています。私たちは2つの公開されている憎悪および攻撃的ミームデータセットを使用して広範な実験を行いました。実験結果は、DisMultiHateが単一モーダルおよびマルチモーダルの最先端基準モデルを上回る性能を示していることを示しています。さらに、経験的なケーススタディも実施し、DisMultiHateがミーム内の対象エンティティを解離する能力と、マルチモーダル・憎悪コンテンツ分類タスクにおける説明可能性を示しました。