Višejezični vizualni Transformer
Višejezični vizualni Transformer (Multilingual ViT) proširuje arhitekturu vizualnog Transformera za rad s više jezika, omogućujući razumijevanje slika i zaključivanje na temelju slika i teksta u višejezičnim ili unakrsnojezičnim okruženjima. Kombinira kodiranje slike temeljeno na zakrpama s višejezičnim tekstualnim reprezentacijama, omogućujući jednom modelu da služi različitim jezičnim zajednicama za zadatke kao što su opisivanje slika, vizualno odgovaranje na pitanja i unakrsnojezično dohvaćanje slika.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/hr/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.
- Višejezična klasifikacija utemeljena na modelu RoBERTaDuboko učenje↔ compare
- Višejezični ugrađeni prikazi rečenicaDuboko učenje↔ compare
- Multimodalni vizualni transformerDuboko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →