ScholarGate
ผู้ช่วย

เปรียบเทียบวิธี

ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้

Multilingual Vision Transformer×วิชันทรานส์ฟอร์มเมอร์×
สาขาวิชาการเรียนรู้เชิงลึกการเรียนรู้เชิงลึก
ตระกูลMachine learningMachine learning
ปีกำเนิด2021–20232021
ผู้ริเริ่มDosovitskiy et al. (ViT base); multilingual extension by multiple groups (2021–2023)Dosovitskiy, A. et al.
ประเภทTransformer-based vision model with multilingual capabilitiesTransformer architecture for images (self-attention over patches)
แหล่งต้นตำรับDosovitskiy, 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 ↗Dosovitskiy, A. et al. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR. link ↗
ชื่อเรียกอื่นMultilingual ViT, Cross-lingual Vision Transformer, Multilingual Visual Transformer, ML-ViTGörsel Transformer (ViT), görsel transformer, ViT, patch transformer for images
ที่เกี่ยวข้อง45
สรุปMultilingual Vision Transformer (Multilingual ViT) extends the Vision Transformer architecture to operate across multiple languages, enabling image understanding and image-text reasoning in multilingual or cross-lingual settings. It combines patch-based image encoding with multilingual text representations, allowing a single model to serve diverse linguistic communities for tasks such as image captioning, visual question answering, and cross-lingual image retrieval.The Vision Transformer (ViT), introduced by Dosovitskiy and colleagues in 2021, splits an image into fixed-size patches, treats those patches as a sequence, and applies the Transformer self-attention mechanism to image classification. Given enough training data, it surpasses convolutional neural networks (CNNs).
ScholarGateชุดข้อมูล
  1. v1
  2. 2 แหล่งอ้างอิง
  3. PUBLISHED
  1. v1
  2. 2 แหล่งอ้างอิง
  3. PUBLISHED

ไปที่หน้าค้นหา ดาวน์โหลดสไลด์

ScholarGateเปรียบเทียบวิธี: Multilingual vision transformer · Vision Transformer. สืบค้นเมื่อ 2026-06-18 จาก https://scholargate.app/th/compare