Buchumschlag

Open-Vocabulary Scene Text Recognition via Pseudo-Image Labeling and Margin Loss

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ren, Xuhua, Shi, Hengcan, Li, Jin
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

CoT-PL: Chain-of-Thought Pseudo-Labeling for Open-Vocabulary Object Detection
von: Choi, Hojun, et al.
Veröffentlicht: (2025)

Data-Efficient Semantic Segmentation of 3D Point Clouds via Open-Vocabulary Image Segmentation-based Pseudo-Labeling
von: Furuya, Takahiko
Veröffentlicht: (2026)

Self-Prompting Diffusion Transformer for Open-Vocabulary Scene Text Editing via In-Context Learning
von: Li, Hongxi, et al.
Veröffentlicht: (2026)

DART: Dual Adaptive Refinement Transfer for Open-Vocabulary Multi-Label Recognition
von: Liu, Haijing, et al.
Veröffentlicht: (2025)

GHOST: Grounded Human Motion Generation with Open Vocabulary Scene-and-Text Contexts
von: Milacski, Zoltán Á., et al.
Veröffentlicht: (2024)

Classifying the Unknown: In-Context Learning for Open-Vocabulary Text and Symbol Recognition
von: Simon, Tom, et al.
Veröffentlicht: (2025)

Recover and Match: Open-Vocabulary Multi-Label Recognition through Knowledge-Constrained Optimal Transport
von: Tan, Hao, et al.
Veröffentlicht: (2025)

Exploring Open-Vocabulary Object Recognition in Images using CLIP
von: Chen, Wei Yu, et al.
Veröffentlicht: (2026)

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

Open-Vocabulary Domain Generalization in Urban-Scene Segmentation
von: Zhao, Dong, et al.
Veröffentlicht: (2026)

Beyond Reward Margin: Rethinking and Resolving Likelihood Displacement in Diffusion Models via Video Generation
von: Xu, Ruojun, et al.
Veröffentlicht: (2025)

Open Vocabulary Semantic Scene Sketch Understanding
von: Bourouis, Ahmed, et al.
Veröffentlicht: (2023)

Category-Adaptive Cross-Modal Semantic Refinement and Transfer for Open-Vocabulary Multi-Label Recognition
von: Liu, Haijing, et al.
Veröffentlicht: (2024)

Open-Vocabulary Semantic Segmentation Network Integrating Object-Level Label and Scene-Level Semantic Features for Multimodal Remote Sensing Images
von: Dai, Jinkun, et al.
Veröffentlicht: (2026)

Open Vocabulary Multi-Label Video Classification
von: Gupta, Rohit, et al.
Veröffentlicht: (2024)

Open-Vocabulary Octree-Graph for 3D Scene Understanding
von: Wang, Zhigang, et al.
Veröffentlicht: (2024)

Open-Vocabulary SAM3D: Towards Training-free Open-Vocabulary 3D Scene Understanding
von: Tai, Hanchen, et al.
Veröffentlicht: (2024)

OpenOcc: Open Vocabulary 3D Scene Reconstruction via Occupancy Representation
von: Jiang, Haochen, et al.
Veröffentlicht: (2024)

Incomplete Multi-Label Image Recognition by Co-learning Semantic-Aware Features and Label Recovery
von: He, Zhi-Fen, et al.
Veröffentlicht: (2025)

Open Vocabulary 3D Scene Understanding via Geometry Guided Self-Distillation
von: Wang, Pengfei, et al.
Veröffentlicht: (2024)

ROVI: A VLM-LLM Re-Captioned Dataset for Open-Vocabulary Instance-Grounded Text-to-Image Generation
von: Peng, Cihang, et al.
Veröffentlicht: (2025)

FOLK: Fast Open-Vocabulary 3D Instance Segmentation via Label-guided Knowledge Distillation
von: Wu, Hongrui, et al.
Veröffentlicht: (2025)

Text-Region Matching for Multi-Label Image Recognition with Missing Labels
von: Ma, Leilei, et al.
Veröffentlicht: (2024)

Collaborative Vision-Text Representation Optimizing for Open-Vocabulary Segmentation
von: Jiao, Siyu, et al.
Veröffentlicht: (2024)

Monocular Open Vocabulary Occupancy Prediction for Indoor Scenes
von: Zhou, Changqing, et al.
Veröffentlicht: (2026)

Linguistics-aware Masked Image Modeling for Self-supervised Scene Text Recognition
von: Zhang, Yifei, et al.
Veröffentlicht: (2025)

DifFUSER: Diffusion Model for Robust Multi-Sensor Fusion in 3D Object Detection and BEV Segmentation
von: Le, Duy-Tho, et al.
Veröffentlicht: (2024)

EgoSplat: Open-Vocabulary Egocentric Scene Understanding with Language Embedded 3D Gaussian Splatting
von: Li, Di, et al.
Veröffentlicht: (2025)

Dense Multimodal Alignment for Open-Vocabulary 3D Scene Understanding
von: Li, Ruihuang, et al.
Veröffentlicht: (2024)

RT-OVAD: Real-Time Open-Vocabulary Aerial Object Detection via Image-Text Collaboration
von: Wei, Guoting, et al.
Veröffentlicht: (2024)

Open-Vocabulary 3D Semantic Segmentation with Text-to-Image Diffusion Models
von: Zhu, Xiaoyu, et al.
Veröffentlicht: (2024)

Interaction-Centric Knowledge Infusion and Transfer for Open-Vocabulary Scene Graph Generation
von: Li, Lin, et al.
Veröffentlicht: (2025)

Fine-Grained Open-Vocabulary Object Recognition via User-Guided Segmentation
von: Ahn, Jinwoo, et al.
Veröffentlicht: (2024)

Towards Open-Vocabulary Semantic Segmentation Without Semantic Labels
von: Shin, Heeseong, et al.
Veröffentlicht: (2024)

DENOISER: Rethinking the Robustness for Open-Vocabulary Action Recognition
von: Cheng, Haozhe, et al.
Veröffentlicht: (2024)

OVMR: Open-Vocabulary Recognition with Multi-Modal References
von: Ma, Zehong, et al.
Veröffentlicht: (2024)

JRDB-PanoTrack: An Open-world Panoptic Segmentation and Tracking Robotic Dataset in Crowded Human Environments
von: Le, Duy-Tho, et al.
Veröffentlicht: (2024)

ProPL: Universal Semi-Supervised Ultrasound Image Segmentation via Prompt-Guided Pseudo-Labeling
von: Chen, Yaxiong, et al.
Veröffentlicht: (2025)

Video-STAR: Reinforcing Open-Vocabulary Action Recognition with Tools
von: Yuan, Zhenlong, et al.
Veröffentlicht: (2025)

Semantic Gaussians: Open-Vocabulary Scene Understanding with 3D Gaussian Splatting
von: Guo, Jun, et al.
Veröffentlicht: (2024)