Vícejazyčný Vision Transformer
Vícejazyčný Vision Transformer (Multilingual ViT) rozšiřuje architekturu Vision Transformer tak, aby fungovala napříč více jazyky, což umožňuje porozumění obrazu a uvažování o obraze a textu ve vícejazyčném nebo mezijazyčném prostředí. Kombinuje kódování obrazu založené na patchech s vícejazyčnými textovými reprezentacemi, což umožňuje jedinému modelu sloužit různým jazykovým komunitám pro úlohy, jako je popisování obrázků, vizuální zodpovídání otázek a mezijazyčné vyhledávání obrázků.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/cs/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.
- Klasifikace založená na vícejazyčné RoBERTaHluboké učení↔ compare
- Vícejazyčná vektorová reprezentace větHluboké učení↔ compare
- Multimodální Vision TransformerHluboké učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →