该文章介绍了一种新颖的多模式机器翻译模型，通过视觉注意力锚定机制链接视觉和文本语义，并在多个数据集上取得了有竞争力的结果。作者还收集了一个新的多语言多模态产品描述数据集来模拟真实的国际在线购物场景。该模型在该数据集上表现出优于其他方法的性能。