Многоязычный Vision Transformer
Многоязычный Vision Transformer (Multilingual ViT) расширяет архитектуру Vision Transformer для работы с несколькими языками, обеспечивая понимание изображений и рассуждения на основе изображений и текста в многоязычных или межъязыковых сценариях. Он сочетает в себе кодирование изображений на основе патчей с многоязычными текстовыми представлениями, позволяя одной модели обслуживать различные языковые сообщества для таких задач, как создание подписей к изображениям, ответы на визуальные вопросы и межъязыковой поиск изображений.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/ru/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.
- Многоязычная классификация на основе RoBERTaГлубокое обучение↔ compare
- Многоязычные вложения предложенийГлубокое обучение↔ compare
- Мультимодальный Vision TransformerГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →