关键词multimodal neural machine translation
搜索结果 - 4
- 生成性想象提高机器翻译
本文提出一种基于视觉想象的神经机器翻译方法 ImagiT,仅需要源语言句子即可生成目标翻译,并证明该方法较传统文本翻译方法表现更好,揭示想象过程在修复缺失信息时的重要性。
- 面向多模态同时神经机器翻译
提出了一种多模式神经机器翻译方法,即多模式同时翻译 (MSNMT),能够在翻译过程中利用视频信息和实现实时多语言理解。实验证实,该方法可显著提高翻译效率,特别是在低延迟情况下,比单纯文本的模型更加优秀。此外,我们通过对 MSNMT 的对抗性 - MM消除词嵌入中的偏见改善多模式机器翻译
本研究探讨了预训练词嵌入及其在多模式神经机器翻译模型中的应用,引入两种去偏差技术,并在英德翻译和英法翻译两种语言对上获得了最多 + 1.93 BLEU 和 + 2.02 METEOR 的性能提升。
- 通过丰富视觉特征和视觉驱动的词向量提升多模态神经机器翻译
本文探讨了在多模态神经机器翻译 (MNMT) 中使用密集标注模型进行视觉特征提取和词嵌入,以提高图像描述翻译模型的效果。