Machine learningDeep learning / NLP / CV

Multilingual Vision Transformer

Multilingual Vision Transformer (Multilingual ViT) เป็นสถาปัตยกรรม Vision Transformer ที่ขยายขีดความสามารถให้ทำงานได้หลากหลายภาษา ทำให้สามารถเข้าใจภาพและการให้เหตุผลระหว่างภาพกับข้อความในบริบทหลายภาษาหรือข้ามภาษาได้ โดยเป็นการผสมผสานการเข้ารหัสภาพแบบแบ่งส่วน (patch-based image encoding) เข้ากับการแทนค่าข้อความหลายภาษา (multilingual text representations) ทำให้โมเดลเดียวสามารถรองรับชุมชนผู้ใช้ที่ใช้ภาษาหลากหลายสำหรับงานต่างๆ เช่น การสร้างคำบรรยายภาพ (image captioning), การตอบคำถามเกี่ยวกับภาพ (visual question answering), และการค้นคืนภาพข้ามภาษา (cross-lingual image retrieval.

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. 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
  2. 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

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Multilingual Vision Transformer (Multilingual ViT). ScholarGate. https://scholargate.app/th/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.

Compare side by side

ถูกอ้างอิงโดย

ScholarGateMultilingual vision transformer (Multilingual Vision Transformer (Multilingual ViT)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/multilingual-vision-transformer · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026