multi-modality problem | BriefGPT

关键词multi-modality problem

搜索结果 - 6

ICLR有向无环图中的模糊对齐用于非自回归机器翻译
本文提出了一种新的方法，使用模糊对齐分数来训练基于有向无环图结构的非自回归翻译模型，从而解决多模态问题，在主要 WMT 基准数据上取得了显著的翻译性能提升和置信度提高，为非自回归翻译模型的训练提供了一个新的方向。
PDFa year ago
AAAI非自回归机器翻译参考文献改写
本文介绍了一种针对非自回归神经机器翻译（NAT）多模问题的解决方案：引入一种重新表述器 (rephraser) 来为 NAT 提供更好的训练目标，并通过强化学习优化该目标，从而提高 NAT 翻译质量，在主要 WMT 基准和 NAT 基线上实
PDF2 years ago
非自回归机器翻译中的语法多模式研究
该论文针对非自回归翻译模型中存在的语法多模式问题进行了系统研究。作者提出了连接时序分类（CTC）和无序交叉熵（OAXE）损失函数来处理不同范围的语法多模式，并设计了一种新的损失函数来更好地处理实际世界数据集中的复杂语法多模式。
PDF2 years ago
ACL单一参考不足够：基于参考选择的多样蒸馏用于非自回归翻译
本文提出了一种名为 DDRS 的新方法，通过选取多个高质量的参考翻译来解决非自回归神经机器翻译中的多模态问题，采用 SeedDiv 方法来实现不同翻译生成，并在机器翻译基准测试中获得了 29.82 BLEU 的成绩，相较先前最高 BLEU
PDF2 years ago
EMNLPAligNART: 通过联合学习来估计对齐和翻译的非自回归神经机器翻译
本文介绍了 AligNART—— 一个使用对齐信息的 Non-autoregressive 神经机器翻译模型，采用对齐估计和输入对齐解码器的翻译方法，成功解决了非自回归神经机器翻译（NART）中存在的多模态问题和词汇重复问题。
PDF3 years ago
ACL非自回归神经机器翻译多模态错误恢复的学习
提出一种称为 RecoverSAT 的半自回归模型，用于非自回归神经机器翻译，其将翻译分成段并同时生成，同时每个段是逐个生成记号来预测的，通过动态确定段长度并删除重复部分，能够解决重复和缺失记号的多模态问题。与相应的自回归模型相比，该模型在
PDF4 years ago