Hindský vizuální genom: Datový soubor pro multimodální strojový překlad z angličtiny do hindštiny

Abstrakt

Visual Genome je dataset spojující strukturované obrazové informace s anglickým jazykem. Představujeme "Hindi Visual Genome", multimodální datový soubor skládající se z textu a obrazů vhodný pro anglicko-hindský multimodální strojový překlad a multimodální výzkum.

Vybrali jsme krátké anglické segmenty (popisky) z Visual Genome spolu s přidruženými obrázky a automaticky je přeložili do hindštiny. Následovala pečlivá ruční kontrola, která vzala v úvahu související obrázky.

Klíčová slova

• Hindský
• vizuální
• genom
• Datový
• soubor
• multimodální
• strojový
• překlad
• angličtiny
• hindštiny