Daudzvalodu redzes transformators
Daudzvalodu redzes transformators (Multilingual ViT) paplašina redzes transformatora arhitektūru, lai tā darbotos vairākās valodās, nodrošinot attēlu izpratni un attēlu-teksta argumentāciju daudzvalodu vai starpvalodu vidēs. Tas apvieno uz plāksteriem balstītu attēlu kodēšanu ar daudzvalodu teksta attēlojumiem, ļaujot vienam modelim apkalpot dažādas lingvistiskās kopienas tādiem uzdevumiem kā attēlu aprakstīšana, vizuālā atbildēšana uz jautājumiem un starpvalodu attēlu izgūšana.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/lv/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.
- Daudzvalodu klasifikācija, balstīta uz RoBERTaDziļā mācīšanās↔ compare
- Daudzvalodu teikumu iegulšanasDziļā mācīšanās↔ compare
- Daudzmodālais vīzijas transformatorsDziļā mācīšanās↔ compare
- Vision TransformerDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →