Machine learningDeep learning / NLP / CV
多言語拡散モデル
多言語拡散モデルは、ノイズ除去拡散確率フレームワークを複数の言語で機能するように適応させ、クロスリンガルなテキスト生成、翻訳、言語非依存のコンテンツ合成を可能にします。多言語表現に条件付けることにより、拡散プロセスは言語境界をまたぐ共有潜在空間を学習し、低リソース言語と高リソース言語の両方で高品質な出力を生成します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
- Gong, S., Li, M., Feng, J., Wu, Z., & Kong, L. (2023). DiffuSeq: Sequence to Sequence Text Generation with Diffusion Models. International Conference on Learning Representations (ICLR). link ↗
このページの引用方法
ScholarGate. (2026, June 3). Multilingual Diffusion Model for Text and Cross-Lingual Generation. ScholarGate. https://scholargate.app/ja/deep-learning/multilingual-diffusion-model
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.
- ファインチューニングされた拡散モデル深層学習↔ compare
- 多言語リカレントニューラルネットワーク深層学習↔ compare
- 多言語RoBERTaベースの分類深層学習↔ compare
- 多言語文埋め込み深層学習↔ compare
- 多言語トランスフォーマー深層学習↔ compare