研究者提出孟加拉语图像描述跨注意力补丁对齐方法
热点事件持续更新
研究者提出孟加拉语图像描述跨注意力补丁对齐方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Riad Ahmed Anonto 等作者发表论文，提出一套面向孟加拉语图像描述的低算力方法，核心是用解码器交叉注意力引导的补丁对齐损失（PAL），配合 InfoNCE 对比损失和基于 Sinkhorn 的最优传输正则化，构成三重损失目标。作者称，PAL 对齐真实与合成图像的补丁描述子，InfoNCE 实现全局真实—合成分离，Sinkhorn 最优传输保证细粒度补丁的均衡对应。 该方法使用经 LaBSE 校验的英语—孟加拉语平行语料和 11 万张双语提示合成图像训练，冻结 MaxViT 提取视觉补丁、mBART-50 解码，并以轻量桥接层连接两个模态。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
用交叉注意力引导 Patch 对齐：面向孟加拉语图像描述的三重损失方法报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CV用交叉注意力引导 Patch 对齐：面向孟加拉语图像描述的三重损失方法
研究者提出一套面向孟加拉语图像描述的低算力流程，用 LaBSE 校验的 EN-BN 平行语料和 11 万张双语提示合成图像训练，冻结 MaxViT 提取视觉 patch、mBART-50 解码，并以轻量桥接层连接两个模态。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。