বহুভাষিক ভিশন ট্রান্সফরমার
বহুভাষিক ভিশন ট্রান্সফরমার (Multilingual ViT) ভিশন ট্রান্সফরমার আর্কিটেকচারকে একাধিক ভাষায় কাজ করার জন্য প্রসারিত করে, যা বহুভাষিক বা ক্রস-লিঙ্গুয়াল সেটিংসে চিত্র উপলব্ধি এবং চিত্র-পাঠ্য যুক্তির সক্ষমতা প্রদান করে। এটি প্যাচ-ভিত্তিক চিত্র এনকোডিংকে বহুভাষিক পাঠ্য উপস্থাপনার সাথে একত্রিত করে, যা একটি একক মডেলকে চিত্র ক্যাপশনিং, ভিজ্যুয়াল প্রশ্ন উত্তর এবং ক্রস-লিঙ্গুয়াল চিত্র পুনরুদ্ধারের মতো কাজের জন্য বিভিন্ন ভাষাগত সম্প্রদায়কে পরিষেবা দিতে দেয়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. International Conference on Learning Representations (ICLR 2021). link ↗
- Bugliarello, E., Liu, F., Pfeiffer, J., Reddy, S., Elliott, D., Erdem, E., Erdem, A., & Lukasiewicz, T. (2022). IGLUE: A Benchmark for Transfer Learning across Modalities, Tasks, and Languages. International Conference on Machine Learning (ICML 2022). link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/bn/deep-learning/multilingual-vision-transformer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- বহুভাষিক RoBERTa-ভিত্তিক শ্রেণিবিভাগগভীর শিখন↔ compare
- বহুভাষিক বাক্য এমবেডিংগভীর শিখন↔ compare
- মাল্টিমোডাল ভিশন ট্রান্সফরমারগভীর শিখন↔ compare
- ভিশন ট্রান্সফরমারগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →