近来,机器翻译发展迅速。该领域中一些新出现的技术可以有效提高模型的翻译性能,例如屏蔽、回译和预训练等技术。但是这些新技术难以运用到现有的零资源机器翻译模型中,这是因为零资源机器翻译大多以图像标注框架为基础,无法直接运用基于序列到序列框架的机器翻译领域中的新技术。为了将这些技术运用到零资源机器翻译领域,论文提出基于序列到序列机器翻译框架建立零资源机器翻译模型。在这一框架下,有一些独有的问题需要解决。首先,图片冗余信息和词语多义性将会对多模态融合过程的效果产生负面影响。其次,这一框架下训练阶段的模型和推理阶段的模型的结构有所不同,这一差距降低了模型的泛化性能。这两个问题都将影响模型的翻译能力。为了在序列到序列框架下进行零资源机器翻译,论文首先设计了适用于零资源机器翻译任务的多模态Transformer。它包含一个将图像信息融合到文本信息之中的多模态模块,用于构建多模态编码并辅助实现零资源机器翻译。与图像标注框架下的模型不同,此模型可以采用屏蔽、回译和预训练等技术,以取得更优的性能。论文接着在知识图谱的辅助下,将词语的嵌入转化为其语义的嵌入,消除了词语的多义性。通过更加高效地使用图像信息,这一模型克服了图片冗余信息和词语多义性带来的负面影响。最后,论文设计了两种机制,使模型能够在训练阶段平稳地适应推理阶段的编解码过程,从而减少了训练阶段和推理阶段的性能差距。论文的第一项贡献是建立了模型的基本结构,而后面两项贡献是解决了序列到序列框架给这一模型带来的两个问题。综合以上三项贡献,论文成功地在序列到序列机器翻译的框架下建立了一个零资源机器翻译模型。所提出的模型能够运用序列到序列机器翻译领域中的关键技术,也排除了这一框架下独有的问题所带来的负面影响。这一模型在Multi30k和IAPR TC-12数据集上的测试结果表明,此模型能够取得零资源机器翻译领域内最优的BLEU分数,这意味着此模型能够有效地实现零资源场景下的机器翻译,也显示了序列到序列框架下零资源机器翻译模型的优势。