Monikielinen Vision Transformer
Monikielinen Vision Transformer (Monikielinen ViT) laajentaa Vision Transformer -arkkitehtuuria toimimaan useilla kielillä, mahdollistaen kuvien ymmärtämisen ja kuva-teksti-päättelyn monikielisissä tai ristiinkielisissä ympäristöissä. Se yhdistää kuvapohjaisen kuvakoodauksen monikielisiin teksti-esityksiin, sallien yhden mallin palvella erilaisia kieliyhteisöjä tehtävissä, kuten kuvatekstityksessä, visuaalisessa kysymys-vastaamisessa ja ristiinkielisessä kuvahaussa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/fi/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.
- Monikielinen RoBERTa-pohjainen luokitteluSyväoppiminen↔ compare
- Monikieliset lauseupotuksetSyväoppiminen↔ compare
- Multimodal Vision TransformerSyväoppiminen↔ compare
- Vision TransformerSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →