[ Skip to the content ]

Institute of Formal and Applied Linguistics

at Faculty of Mathematics and Physics, Charles University, Prague, Czech Republic


[ Back to the navigation ]

Publication


Year 2018
Type in proceedings
Status published
Language English
Author(s) Helcl, Jindřich Libovický, Jindřich Variš, Dušan
Title CUNI System for the WMT18 Multimodal Translation Task
Czech title Systém Univerzity Karlovy pro úlohu multimodálního strojového překladu na WMT18
Proceedings 2018: Stroudsburg, PA, USA: WMT 2018: Proceedings of the Third Conference on Machine Translation, Volume 2: Shared Tasks
Pages range 622-629
How published online
URL http://www.statmt.org/wmt18/pdf/WMT068.pdf
Supported by 2018-2019 GAUK 976518/2018 (Využití lingvistické informace v neuronovém strojovém překladu) 2017-2018 SVV 260 453 (Teoretické základy informatiky a výpočetní lingvistiky) 2018-2020 GAUK 1140218/2018 (Výzkum metod evaluace neuronového strojového překladu) 2012-2018 GBP103/12/G084 (Centrum pro multi-modální interpretaci dat velkého rozsahu)
Czech abstract V článku představuje příspěvek do soutěže v multimodálním strjovém překladu na WMT18. V našem systému požíváme self-attentive neuronové sítě místo rekurentních. Evaluujeme dvě metody, jak lze zahrnout vizuální rysy do modelu: v prvním používáme vizuální informaci jako další vstup do dekodéruů v druhé metodě trénujeme enkodér tak, aby predikoval vizuální reprezentaci. Pro náš příspěvek jsem vytěžili dodatečná data. Obě navrhované metody přináší výrazné zlepšení oproti obdobným modelům využívajícím neuronové sítě.
English abstract We present our submission to the WMT18 Multimodal Translation Task. The main feature of our submission is applying a self-attentive network instead of a recurrent neural network. We evaluate two methods of incorporating the visual features in the model: first, we include the image representation as another input to the network; second, we train the model to predict the visual features and use it as an auxiliary objective. For our submission, we acquired both textual and multimodal additional data. Both of the proposed methods yield significant improvements over recurrent networks and self-attentive textual baselines.
Specialization linguistics ("jazykověda")
Confidentiality default – not confidential
Open access yes
Editor(s)* Ondřej Bojar
ISBN* 978-1-948087-81-0
Address* Stroudsburg, PA, USA
Month* October
Publisher* Association for Computational Linguistics
Institution* Association for Computational Linguistics
Creator: Common Account
Created: 8/28/18 2:29 PM
Modifier: Common Account
Modified: 12/13/18 1:04 PM
***

Posterpublicposter_wmt18_a0.pdfapplication/pdf
Camera Ready PaperpublicCUNI_System_for_WMT18_Multimodal_Tranlsation_Task ...application/pdf
Content, Design & Functionality: ÚFAL, 2006–2016. Page generated: Sun Dec 16 22:18:17 CET 2018

[ Back to the navigation ] [ Back to the content ]

100% OpenAIRE compliant