बहुभाषी विजन ट्रांसफार्मर
बहुभाषी विजन ट्रांसफार्मर (Multilingual ViT) विजन ट्रांसफार्मर आर्किटेक्चर को कई भाषाओं में संचालित करने के लिए विस्तारित करता है, जिससे बहुभाषी या क्रॉस-लिंगुअल सेटिंग्स में छवि समझ और छवि-पाठ तर्क सक्षम होता है। यह पैच-आधारित छवि एन्कोडिंग को बहुभाषी पाठ अभ्यावेदन के साथ जोड़ता है, जिससे एक एकल मॉडल छवि कैप्शनिंग, विज़ुअल प्रश्न उत्तर और क्रॉस-लिंगुअल छवि पुनर्प्राप्ति जैसे कार्यों के लिए विविध भाषाई समुदायों की सेवा कर सकता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/hi/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.
- बहुभाषी RoBERTa-आधारित वर्गीकरणगहन अधिगम↔ compare
- बहुभाषी वाक्य एम्बेडिंगगहन अधिगम↔ compare
- Multimodal Vision Transformerगहन अधिगम↔ compare
- विजन ट्रांसफार्मरगहन अधिगम↔ compare