- ICLR隐马尔可夫变换器用于同时机器翻译
利用隐马尔科夫模型以及最大化边际似然性训练,提出了一种名为 Hidden Markov Transformer 的模型,用于解决同声机器翻译中好的翻译时间点的挑战。实验表明该模型在多个数据集上优于现有方法并取得了最佳表现。
- EMNLP将固定转为自适应:将后评估集成到同时机器翻译中
本文提出了一种将后评估集成到固定策略中的方法,通过测量源内容的变化来评估下一个操作的合理性,并根据评估结果采取不同的操作,这种自适应策略在三项翻译任务中均优于强基准线。
- EMNLP等待信息策略:在信息层次上平衡源语言和目标语言的同时机器翻译
本文提出了一种基于信息量的等待策略来平衡源语言信息和目标语言信息的机器翻译方法,用于在同时接收源输入和输出翻译结果时做出合理决策。实验结果表明,该方法在实现平衡方面表现出色,比其他基线方法效果更好。
- ACL用于同时机器翻译的双读写路径建模
本文提出了一种采用双路径的同时机器翻译方法,该方法引入了对偶性约束以直接监督源到目标和目标到源 SiMT 模型的读 / 写路径,据实验结果表明,在所有延迟下,我们的方法优于强基线。
- ACL高斯多头注意力机制用于机器翻译
本文提出了 Gaussian Multi-head Attention(GMA)模型,用于开发一种新的 SiMT 策略,并通过模拟对齐和翻译来实现对齐的学习,该方法在 En-Vi 和 De-En 任务中的实验表明,它在翻译和延迟之间的权衡上 - ACL利用长度感知框架降低同时机器翻译中的位置偏见
本研究分析了 SiMT 中的位置偏差现象,提出了一个基于长度感知的框架,通过将流输入变成伪满句来消除位置偏差,并成功应用于两个代表性的 SiMT 方法中以提高性能。
- ACL通过利用流式历史将机器翻译从同时转换为流式转换
该研究拓展了现有的同声翻译系统,提出一种基于流历史的流机器翻译方法,取得了较大的质量提升,并且表现优于现有同类最佳系统。
- 无需预测的同步机器翻译训练
本文提出了一种将翻译过程分解为单调翻译和重新排序步骤的新框架,并通过辅助排序网络模型来模拟其中的重新排序步骤,从而提高了同时翻译模型的翻译效果。
- 用于同时多模机器翻译的监督式视觉注意力
本文提出基于 Transformer 的多模式机器翻译 (MMT) 与视觉注意力机制相结合的模型,并使用带标签的短语 - 区域对齐的辅助信号指导其视觉注意力机制,实现目前最佳 BLEU 和 METEOR 分数的提升。
- EMNLP评估同声传译数据上的同时机器翻译表现
该研究旨在证明同时机器翻译系统应该使用实际口译数据进行训练和测试,对使用离线翻译数据进行训练的同时机器翻译系统进行评估,结果表明使用口译数据评估时,BLEU 分数可提高多达 13.83,提出了一种将离线翻译转换为口译风格数据的解决方法,并建 - EMNLP混合专家等候 - k 策略的通用同时翻译机
本论文提出了一种基于 Mixture-of-Experts Wait-k 机制的通用即时翻译模型,采用多头注意力实现专家混合,每个专家根据其自己的等待词数被认为是 wait-k 专家,并根据测试延迟和源输入调整专家权重以产生最佳翻译,可以在 - EMNLP同时机器翻译的流级延迟评估
本文提出了基于重新划分的流级别延迟评估方法,较好地适用于连续的流翻译,并在参考 IWSLT 任务的流式条件下得到成功评估。
- ACL利用多模态增强学习进行同时机器翻译
本研究探索了两个主要概念,即使用自适应策略来学习高翻译质量和低延迟之间的平衡,以及使用可用于生成文本输入之前的附加(视觉)上下文信息来支持该过程,提出了一种多模式方法来进行同时机器翻译,并采用强化学习策略,应用于代理程序和环境中集成视觉和文 - EMNLP利用视觉上下文的同时机器翻译
本文旨在研究如何利用视觉信息来弥补缺失的源文本背景,评估不同的多模态方法和视觉特征对最先进的同时机器翻译 (SiMT) 框架的影响。结果表明,视觉背景是有帮助的,基于明确的物体区域信息的可视化模型优于常用的全局特征,在低延迟情境下的表现可提 - 基于对齐分块的神经同声传译
提出了一种用于机器翻译的神经网络模型,其能够动态决定何时继续输入源文本或生成翻译文本,通过使用单向或双向编码器来处理实际语音和文本输入,使用词对齐方法生成分块训练数据,并在 IWSLT 2020 英 - 德任务上优于 wait-k 基线 2 - 用于同时机器翻译的高效等待 k 模型
研究了使用 Wait-k 解码器在资源匮乏的情况下进行同声传译的行为,同时通过使用单向编码器和训练多个 K 值来提高模型的训练,并探讨了 2D 卷积体系结构在同声翻译方面的应用。
- ACL无限单调回望注意力在同时机器翻译中的应用
我们使用 Monotonic Infinite Lookback(MILk)注意力机制来同时翻译,并学习一种自适应调度模式,以平衡质量和延迟,并展示其与最近提出的延迟策略相比,更有利于延迟 - 质量权衡。
- 机器翻译同时性的延迟评估思考
该研究介绍了一种称为 Differentiable Average Lagging (DAL) 的潜在模型,可用于追踪同步系统的延迟。该模型可用于同时机器翻译,并在语音转录,实时流媒体和会话翻译方面具有重要应用。