Machine learningDeep learning / NLP / CV
טרנספורמר ראייה רב-לשוני
טרנספורמר ראייה רב-לשוני (Multilingual ViT) מרחיב את ארכיטקטורת הטרנספורמר ראייה לפעולה על פני שפות מרובות, ומאפשר הבנת תמונות והסקת קשרים בין תמונות לטקסט בסביבות רב-לשוניות או בין-לשוניות. הוא משלב קידוד תמונה מבוסס-טלאים עם ייצוגי טקסט רב-לשוניים, המאפשרים למודל יחיד לשרת קהילות לשוניות מגוונות למשימות כגון כתוביות תמונה, מענה על שאלות חזותיות, ואחזור תמונות בין-לשוני.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/he/deep-learning/multilingual-vision-transformer
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- סיווג מבוסס RoBERTa רב-לשונילמידה עמוקה↔ השוואה
- שיכוני משפטים רב-לשונייםלמידה עמוקה↔ השוואה
- Multimodal Vision Transformerלמידה עמוקה↔ השוואה
- טרנספורמר ראייהלמידה עמוקה↔ השוואה