แบบจำลองการแพร่กระจายหลายภาษา
แบบจำลองการแพร่กระจายหลายภาษา (Multilingual Diffusion Model) ปรับกรอบการทำงานของกระบวนการแพร่กระจายแบบลดสัญญาณรบกวน (denoising diffusion probabilistic framework) ให้สามารถทำงานได้หลายภาษา ทำให้สามารถสร้างข้อความข้ามภาษา แปลภาษา และสังเคราะห์เนื้อหาที่ไม่ขึ้นกับภาษาได้ โดยการกำหนดเงื่อนไขด้วยการแทนค่าหลายภาษา (multilingual representations) กระบวนการแพร่กระจายจะเรียนรู้ปริภูมิแฝงร่วม (shared latent space) ที่ครอบคลุมขอบเขตทางภาษา ทำให้ได้ผลลัพธ์คุณภาพสูงทั้งสำหรับภาษาที่มีทรัพยากรมากและน้อย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
- Gong, S., Li, M., Feng, J., Wu, Z., & Kong, L. (2023). DiffuSeq: Sequence to Sequence Text Generation with Diffusion Models. International Conference on Learning Representations (ICLR). link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multilingual Diffusion Model for Text and Cross-Lingual Generation. ScholarGate. https://scholargate.app/th/deep-learning/multilingual-diffusion-model
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.
- โมเดลการแพร่กระจายที่ปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมเวียนซ้ำหลายภาษาการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTa หลายภาษาการเรียนรู้เชิงลึก↔ compare
- การฝังประโยคหลายภาษาการเรียนรู้เชิงลึก↔ compare
- หม้อแปลงหลายภาษาการเรียนรู้เชิงลึก↔ compare