首页/论文/1809.00151

arXiv 1809.001512018-09-01cs.CL

LIUM-CVC Submissions for WMT18 Multimodal Translation Task

Le Mans University（勒芒大学）；Universitat Autonoma de Barcelona（巴塞罗那自治大学）

Ozan Caglayan, Adrien Bardet, Fethi Bougares, Loïc Barrault, Kai Wang, Marc Masana, Luis Herranz, Joost van de Weijer

备注：: WMT2018

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

英文摘要相关论文

英文摘要：

This paper describes the multimodal Neural Machine Translation systems developed by LIUM and CVC for WMT18 Shared Task on Multimodal Translation. This year we propose several modifications to our previous multimodal attention architecture in order to better integrate convolutional features and refine them using encoder-side information. Our final constrained submissions ranked first for English-French and second for English-German language pairs among the constrained submissions according to the automatic evaluation metric METEOR.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

LIUM-CVC为WMT17多模式翻译任务提交的文件

LIUM-CVC Submissions for WMT17 Multimodal Translation Task

University of Le Mans（勒芒大学）；Universitat Autonoma de Barcelona（巴塞罗那自治大学）

本文描述了由LIUM和CVC为WMT 17多模态翻译共享任务开发的单模态和多模态神经机器翻译系统。我们主要探索了两种多模态架构，其中集成了全局视觉特征或卷积特征映射，以便从视觉上下文中受益。根据自动评估指标METEOR和BLEU，我们最终的系统在En-De和En-Fr语言对中排名第一。

2017-07-14cs.CL

用于WMT17新闻翻译任务的LIUM机器翻译系统

LIUM Machine Translation Systems for WMT17 News Translation Task

University of Le Mans（勒芒大学）

本文介绍了LIUM提交WMT 17新闻翻译任务的英语-德语，英语-土耳其语，英语-捷克语和英语-拉脱维亚语对。我们使用开源的nmtpy框架，训练基于BPE的专注神经机器翻译系统，有和没有因子输出。竞争分数是通过集成各种系统和利用目标单语语料库的回译的可用性。还分析了英语-土耳其语的回译数量和质量的影响，我们在截止日期后提交的作品超过了最好的作品+1.6 BLEU。

2017-07-14cs.CL

The MeMAD Submission to the IWSLT 2018 Speech Translation Task

University of Helsinki（赫尔辛基大学）；Aalto University（阿尔托大学）

This paper describes the MeMAD project entry to the IWSLT Speech Translation Shared Task, addressing the translation of English audio into German text. Between the pipeline and end-to-end model tracks, we participated only in the former, with three contrastive systems. We tried also the latter, but were not able to finish our end-to-end model in time. All of our systems start by transcribing the audio into text through an automatic speech recognition (ASR) model trained on the TED-LIUM English Speech Recognition Corpus (TED-LIUM). Afterwards, we feed the transcripts into English-German text-ba…

2018-10-24cs.CL

NMTPY：先进神经机器翻译系统的灵活工具包

NMTPY: A Flexible Toolkit for Advanced Neural Machine Translation Systems

Laboratoire d’Informatique de l’Université du Maine (LIUM)（曼恩大学计算机实验室（LIUM））

在本文中，我们介绍了nmtpy，一个基于Theano的灵活Python工具包，用于训练神经机器翻译和其他神经序列到序列架构。nmtpy从训练和推理实用程序中简化了网络的规范，以简化新体系结构的添加并减少要编写的样板代码的数量。2016年和2017年，nmtpy已被LIUM用于WMT多模态机器翻译和新闻翻译任务的顶级提交。

2017-06-01cs.CL

ON-TRAC Consortium for End-to-End and Simultaneous Speech Translation Challenge Tasks at IWSLT 2020

Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Inria（法国国家信息与自动化研究所）；Avignon Université（阿维尼翁大学）；Le Mans Université（勒芒大学）

This paper describes the ON-TRAC Consortium translation systems developed for two challenge tracks featured in the Evaluation Campaign of IWSLT 2020, offline speech translation and simultaneous speech translation. ON-TRAC Consortium is composed of researchers from three French academic laboratories: LIA (Avignon Université), LIG (Université Grenoble Alpes), and LIUM (Le Mans Université). Attention-based encoder-decoder models, trained end-to-end, were used for our submissions to the offline speech translation track. Our contributions focused on data augmentation and ensembling of multiple mode…

2020-05-24cs.CLeess.AS

多模态有助于人类和机器进行翻译和图像描述吗？

Does Multimodality Help Human and Machine for Translation and Image Captioning?

LIUM, University of Le Mans（勒芒大学LIUM）；Galatasaray University（加拉塔萨雷大学）；CVC, Universitat Autonoma de Barcelona（巴塞罗那自治大学CVC）

本文介绍了LIUM和CVC为WMT 16多模态机器翻译挑战开发的系统。我们探索了各种比较方法，即基于短语的系统和使用单模态或多模态数据训练的注意递归神经网络模型。我们还进行了人为评估，以估计人类机器翻译和图像描述生成的多模态数据的有用性。我们的系统获得了最好的结果，这两个任务根据自动评估指标BLEU和METEOR。

2016-08-16cs.CLcs.LGcs.NE