Multilingual Diffusionsmodel
En Multilingual Diffusionsmodel tilpasser det probabilistiske rammeværk for denoising diffusion til at fungere på tværs af flere sprog, hvilket muliggør krydssproglig tekstgenerering, oversættelse og sproguafhængig indholdssyntese. Ved at betinge på flersprogede repræsentationer lærer diffusionsprocessen et delt latent rum, der spænder over sproglige grænser, og producerer output af høj kvalitet for både sprog med få og mange ressourcer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
- Gong, S., Li, M., Feng, J., Wu, Z., & Kong, L. (2023). DiffuSeq: Sequence to Sequence Text Generation with Diffusion Models. International Conference on Learning Representations (ICLR). link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multilingual Diffusion Model for Text and Cross-Lingual Generation. ScholarGate. https://scholargate.app/da/deep-learning/multilingual-diffusion-model
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.
- Finjusteret diffusionsmodelDyb læring↔ compare
- Multilingual Recurrent Neural NetworkDyb læring↔ compare
- Klassifikation baseret på flersproget RoBERTaDyb læring↔ compare
- Flersprogede sætningsindlejringerDyb læring↔ compare
- Multilingual TransformerDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →