Buchumschlag

SwinTextSpotter v2: Towards Better Synergy for Scene Text Spotting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Mingxin, Peng, Dezhi, Li, Hongliang, Peng, Zhenghao, Liu, Chongyu, Lin, Dahua, Liu, Yuliang, Bai, Xiang, Jin, Lianwen
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ViTEraser: Harnessing the Power of Vision Transformers for Scene Text Removal with SegMIM Pretraining
von: Peng, Dezhi, et al.
Veröffentlicht: (2023)

Bridging the Gap Between End-to-End and Two-Step Text Spotting
von: Huang, Mingxin, et al.
Veröffentlicht: (2024)

VimTS: A Unified Video and Image Text Spotter for Enhancing the Cross-domain Generalization
von: Liu, Yuliang, et al.
Veröffentlicht: (2024)

Progressive Evolution from Single-Point to Polygon for Scene Text
von: Deng, Linger, et al.
Veröffentlicht: (2023)

DocRes: A Generalist Model Toward Unifying Document Image Restoration Tasks
von: Zhang, Jiaxin, et al.
Veröffentlicht: (2024)

Mini-Monkey: Alleviating the Semantic Sawtooth Effect for Lightweight MLLMs via Complementary Image Pyramid
von: Huang, Mingxin, et al.
Veröffentlicht: (2024)

FastTextSpotter: A High-Efficiency Transformer for Multilingual Scene Text Spotting
von: Das, Alloy, et al.
Veröffentlicht: (2024)

DNTextSpotter: Arbitrary-Shaped Scene Text Spotting via Improved Denoising Training
von: Xie, Yu, et al.
Veröffentlicht: (2024)

Predicting the Original Appearance of Damaged Historical Documents
von: Yang, Zhenhua, et al.
Veröffentlicht: (2024)

EdgeSpotter: Multi-Scale Dense Text Spotting for Industrial Panel Monitoring
von: Fu, Changhong, et al.
Veröffentlicht: (2025)

UPOCR: Towards Unified Pixel-Level OCR Interface
von: Peng, Dezhi, et al.
Veröffentlicht: (2023)

LEGO: Self-Supervised Representation Learning for Scene Text Images
von: Ren, Yujin, et al.
Veröffentlicht: (2024)

Arbitrary Reading Order Scene Text Spotter with Local Semantics Guidance
von: Lyu, Jiahao, et al.
Veröffentlicht: (2024)

TextSleuth: Towards Explainable Tampered Text Detection
von: Qu, Chenfan, et al.
Veröffentlicht: (2024)

The First Swahili Language Scene Text Detection and Recognition Dataset
von: Douamba, Fadila Wendigoundi, et al.
Veröffentlicht: (2024)

RedundancyLens: Revealing and Exploiting Visual Token Processing Redundancy for Efficient Decoder-Only MLLMs
von: Li, Hongliang, et al.
Veröffentlicht: (2025)

TiCLS : Tightly Coupled Language Text Spotter
von: Jang, Leeje, et al.
Veröffentlicht: (2026)

MSTAR: Box-free Multi-query Scene Text Retrieval with Attention Recycling
von: Yin, Liang, et al.
Veröffentlicht: (2025)

Revisiting Tampered Scene Text Detection in the Era of Generative AI
von: Qu, Chenfan, et al.
Veröffentlicht: (2024)

Privacy-Preserving Biometric Verification with Handwritten Random Digit String
von: Zhang, Peirong, et al.
Veröffentlicht: (2025)

C$^{3}$Bench: A Comprehensive Classical Chinese Understanding Benchmark for Large Language Models
von: Cao, Jiahuan, et al.
Veröffentlicht: (2024)

OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning
von: Fu, Ling, et al.
Veröffentlicht: (2024)

HierCode: A Lightweight Hierarchical Codebook for Zero-shot Chinese Text Recognition
von: Zhang, Yuyi, et al.
Veröffentlicht: (2024)

SemiETS: Integrating Spatial and Content Consistencies for Semi-Supervised End-to-end Text Spotting
von: Luo, Dongliang, et al.
Veröffentlicht: (2025)

OmniParser: A Unified Framework for Text Spotting, Key Information Extraction and Table Recognition
von: Wan, Jianqiang, et al.
Veröffentlicht: (2024)

Datasets for Large Language Models: A Comprehensive Survey
von: Liu, Yang, et al.
Veröffentlicht: (2024)

Spotter+GPT: Turning Sign Spottings into Sentences with LLMs
von: Sincan, Ozge Mercanoglu, et al.
Veröffentlicht: (2024)

DocLayLLM: An Efficient Multi-modal Extension of Large Language Models for Text-rich Document Understanding
von: Liao, Wenhui, et al.
Veröffentlicht: (2024)

Partial Scene Text Retrieval
von: Wang, Hao, et al.
Veröffentlicht: (2024)

OCRBench: On the Hidden Mystery of OCR in Large Multimodal Models
von: Liu, Yuliang, et al.
Veröffentlicht: (2023)

Toward Real Text Manipulation Detection: New Dataset and New Solution
von: Luo, Dongliang, et al.
Veröffentlicht: (2023)

TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision
von: Zhai, Yukun, et al.
Veröffentlicht: (2023)

TextInPlace: Indoor Visual Place Recognition in Repetitive Structures with Scene Text Spotting and Verification
von: Tao, Huaqi, et al.
Veröffentlicht: (2025)

Towards Training-Free Scene Text Editing
von: Li, Yubo, et al.
Veröffentlicht: (2026)

Smaller But Better: Unifying Layout Generation with Smaller Large Language Models
von: Zhang, Peirong, et al.
Veröffentlicht: (2025)

Dataset and Benchmark for Urdu Natural Scenes Text Detection, Recognition and Visual Question Answering
von: Maryam, Hiba, et al.
Veröffentlicht: (2024)

URaG: Unified Retrieval and Generation in Multimodal LLMs for Efficient Long Document Understanding
von: Shi, Yongxin, et al.
Veröffentlicht: (2025)

TextShield-R1: Reinforced Reasoning for Tampered Text Detection
von: Qu, Chenfan, et al.
Veröffentlicht: (2026)

TextBlockV2: Towards Precise-Detection-Free Scene Text Spotting with Pre-trained Language Model
von: Lyu, Jiahao, et al.
Veröffentlicht: (2024)

Hear the Scene: Audio-Enhanced Text Spotting
von: Li, Jing, et al.
Veröffentlicht: (2024)