视频辅助多模态机器翻译
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的方法来生成并行的视觉问答（VQA）风格对，使用大型语言模型（LLMs）将多模式机器翻译（MMT）中的探测信号显式建模为VQA风格数据，创建了Multi30K-VQA数据集，并引入了MMT-VQA多任务学习框架，验证了该新方法的有效性。
🏷️
