Вишејезички Трансформер вида
Вишејезички Трансформер вида (Multilingual ViT) проширује архитектуру Трансформера вида како би оперисао на више језика, омогућавајући разумевање слика и резоновање слика-текст у вишејезичким или унакрснојезичким окружењима. Комбинује кодирање слике засновано на закрпама са вишејезичким текстуалним репрезентацијама, дозвољавајући једном моделу да служи различитим лингвистичким заједницама за задатке као што су описивање слика, визуелно одговарање на питања и унакрснојезичко преузимање слика.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/sr/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.
- Višejezična klasifikacija zasnovana na RoBERTa modeluDuboko učenje↔ compare
- Višejezični ugrađeni prikazi rečenica (Multilingual sentence embeddings)Duboko učenje↔ compare
- Multimodal Vision TransformerDuboko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →