Transformador de Visão Multilíngue
O Transformador de Visão Multilíngue (Multilingual ViT) estende a arquitetura do Transformador de Visão para operar em múltiplos idiomas, permitindo a compreensão de imagens e o raciocínio imagem-texto em cenários multilíngues ou interlinguais. Ele combina a codificação de imagem baseada em patches com representações textuais multilíngues, permitindo que um único modelo atenda a diversas comunidades linguísticas para tarefas como legendagem de imagens, resposta visual a perguntas e recuperação de imagens interlingual.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em RoBERTa multilíngueAprendizado profundo↔ compare
- Embeddings de Sentenças MultilínguesAprendizado profundo↔ compare
- Multimodal Vision TransformerAprendizado profundo↔ compare
- Vision TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →