Mitmekeelne visioonitransformaator
Mitmekeelne visioonitransformaator (Multilingual ViT) laiendab visioonitransformaatori arhitektuuri, et see töötaks mitmes keeles, võimaldades piltide mõistmist ja pildi-teksti arutlust mitmekeelsetes või ristkeelsetes keskkondades. See ühendab plaadipõhise pildi kodeerimise mitmekeelsete tekstiesitustega, võimaldades ühel mudelil teenindada erinevaid keelekogukondi selliste ülesannete jaoks nagu piltide kirjeldamine, visuaalne küsimustele vastamine ja ristkeelne pildiotsing.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/et/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.
- Multilingual RoBERTa-põhine klassifitseerimineSüvaõpe↔ compare
- Mitmekeelsed lausungmanusedSüvaõpe↔ compare
- Multimodaalne VisioonitransformaatorSüvaõpe↔ compare
- Vision TransformerSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →