Transformeri vizual multilingua
Transformeri vizual multilingua (Multilingual ViT) shtrin arkitekturën e Transformerit vizual për të operuar në gjuhë të shumta, duke mundësuar kuptimin e imazheve dhe arsyetimin imazh-tekst në skenarë multilinguaë ose ndër-gjuhësorë. Ai kombinon kodimin e imazhit bazuar në copëza (patches) me përfaqësime tekstuale multilinguae, duke lejuar një model të vetëm t'u shërbejë komuniteteve të ndryshme gjuhësore për detyra të tilla si titullimi i imazheve, pyetjet vizuale, dhe kërkimi ndër-gjuhësor i imazheve.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/sq/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.
- Klasifikimi Shumëgjuhësh i Bazuar në RoBERTaMësimi i thellë↔ compare
- Embeddings të fjalive shumëgjuhësheMësimi i thellë↔ compare
- Transformer Vizioni MultimodalMësimi i thellë↔ compare
- Vision TransformerMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →