本研究探讨了视觉模型对多模态机器翻译的影响，使用了强大的模型和增强功能进行实验，并开发了选择性注意力模型来研究图像在多模态机器翻译中的贡献。研究结果表明，强大的视觉模型有助于学习从视觉模态进行翻译，建议在当前基准测试规模小且有偏差时，需要仔细研究多模态机器翻译模型。