多言語かつマルチモーダルの名称抽出(MMNER)タスクに取り組むための新しいモデル2M-NERを提案する。2M-NERは、対照学習を使ってテキストと画像の表現を整列させ、マルチモーダルの協調モジュールを統合することで、効果的にモダリティ間の相互作用を表現する。