IITP 在 WAT 2021 的系统描述：英印地语多模态翻译任务
计算与语言
2021-09-28 v1 人工智能
摘要
神经机器翻译（NMT）因其端到端可训练的灵活性，已成为当今主流的机器翻译技术。然而，NMT 在低资源环境下面临翻译困难，尤其对于远距离语言对。一种克服方法是利用其他模态的信息（若可用）。其理念在于，尽管语言不同，源语言与目标语言使用者所见相同，且源端与目标端的视觉表示一致，这可对系统产生积极辅助。多模态信息可通过消除某些短语或词的歧义来帮助 NMT 系统改进翻译。我们参与了第八届亚洲翻译研讨会（WAT-2021）的英印地语多模态翻译任务，在评估子集与挑战子集上分别取得 42.47 与 37.50 的 BLEU 分数。
引用
@article{arxiv.2107.01656,
title = {IITP at WAT 2021: System description for English-Hindi Multimodal Translation Task},
author = {Baban Gain and Dibyanayan Bandyopadhyay and Asif Ekbal},
journal= {arXiv preprint arXiv:2107.01656},
year = {2021}
}