使用对象标签增强视频翻译上下文

杰里米·格温努普,蒂姆·安德森,布莱恩·奥雷,埃里克·汉森,杜凯文（Kevin Duh）

摘要
我们提出了一种简单而有效的方法，通过在相应的视频片段中使用检测对象的标签来增强训练文本，从而提高在多模态语料库上训练的机器翻译模型的质量。然后我们在基线和两种自动语音识别（ASR）条件下测试标签增强的效果。与融合视觉和文本特征的多模态技术相比，我们的模块化方法易于实现，结果更易于解释。与使用基线和增强标签训练的Transformer翻译体系结构进行了比较，结果表明，在How2数据集上，BLEU提高了+1.0。
选集ID：
2023年iwslt-1.8
体积：
第20届国际口语翻译大会（IWSLT 2023）会议记录
月份：
七月
年份：
2023
地址：
加拿大多伦多（现场和在线）
编辑：
伊丽莎白·塞尔斯基,马塞洛·费德里科,海洋木瓜
地点：
IWSLT公司
SIG公司：
SIGSLT公司
出版商：
计算语言学协会
注：
页：
130–137
语言：
网址：
https://aclantology.org/2023.iwslt-1.8
内政部：
10.18653/v1/2023。iwslt-1.8
比比键：
引用（ACL）：
Jeremy Gwinnup、Tim Anderson、Brian Ore、Eric Hansen和Kevin Duh。2023用对象标签增强视频翻译语境.英寸第20届国际口语翻译大会（IWSLT 2023）会议记录，第130-137页，加拿大多伦多（同人和在线）。计算语言学协会。
引用（非正式）：
使用对象标签增强视频翻译上下文（Gwinnup等人，IWSLT 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.iwslt-1.8.pdf
PDF格式 引用 搜索