Copertina

CoMix: A Comprehensive Benchmark for Multi-Task Comic Understanding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Vivoli, Emanuele, Bertini, Marco, Karatzas, Dimosthenis
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

ComiCap: A VLMs pipeline for dense captioning of Comic Panels
di: Vivoli, Emanuele, et al.
Pubblicazione: (2024)

Comics Datasets Framework: Mix of Comics datasets for detection benchmarking
di: Vivoli, Emanuele, et al.
Pubblicazione: (2024)

One missing piece in Vision and Language: A Survey on Comics Understanding
di: Vivoli, Emanuele, et al.
Pubblicazione: (2024)

CoSMo: A Multimodal Transformer for Page Stream Segmentation in Comic Books
di: Ortega, Marc Serra, et al.
Pubblicazione: (2025)

ComicsPAP: understanding comic strips by picking the correct panel
di: Vivoli, Emanuele, et al.
Pubblicazione: (2025)

Multimodal Transformer for Comics Text-Cloze
di: Vivoli, Emanuele, et al.
Pubblicazione: (2024)

HoloMine: A Synthetic Dataset for Buried Landmines Recognition using Microwave Holographic Imaging
di: Vivoli, Emanuele, et al.
Pubblicazione: (2025)

A Fast Hierarchical Method for Multi-script and Arbitrary Oriented Scene Text Extraction
di: Gomez, Lluis, et al.
Pubblicazione: (2014)

TRIM: A Self-Supervised Video Summarization Framework Maximizing Temporal Relative Information and Representativeness
di: Mishra, Pritam, et al.
Pubblicazione: (2025)

Counterfeit Answers: Adversarial Forgery against OCR-Free Document Visual Question Answering
di: Pintore, Marco, et al.
Pubblicazione: (2025)

Multi-Page Document Visual Question Answering using Self-Attention Scoring Mechanism
di: Kang, Lei, et al.
Pubblicazione: (2024)

Federated Document Visual Question Answering: A Pilot Study
di: Nguyen, Khanh, et al.
Pubblicazione: (2024)

TRIMMER: A New Paradigm for Video Summarization through Self-Supervised Reinforcement Learning
di: Mishra, Pritam, et al.
Pubblicazione: (2026)

AVIR: Adaptive Visual In-Document Retrieval for Efficient Multi-Page Document Question Answering
di: Li, Zongmin, et al.
Pubblicazione: (2026)

Towards Generative Class Prompt Learning for Fine-grained Visual Recognition
di: Chattopadhyay, Soumitri, et al.
Pubblicazione: (2024)

Reading in the Dark: Low-light Scene Text Recognition
di: Fu, Xuanshuo, et al.
Pubblicazione: (2026)

Reading Between the Lanes: Text VideoQA on the Road
di: Tom, George, et al.
Pubblicazione: (2023)

Image-text matching for large-scale book collections
di: Llabrés, Artemis, et al.
Pubblicazione: (2024)

Preserving Privacy Without Compromising Accuracy: Machine Unlearning for Handwritten Text Recognition
di: Kang, Lei, et al.
Pubblicazione: (2025)

Spatially Grounded Explanations in Vision Language Models for Document Visual Question Answering
di: Lagos, Maximiliano Hormazábal, et al.
Pubblicazione: (2025)

NoTeS-Bank: Benchmarking Neural Transcription and Search for Scientific Notes Understanding
di: Pal, Aniket, et al.
Pubblicazione: (2025)

MVBench: A Comprehensive Multi-modal Video Understanding Benchmark
di: Li, Kunchang, et al.
Pubblicazione: (2023)

Humor in Pixels: Benchmarking Large Multimodal Models Understanding of Online Comics
di: Ryan, Yuriel, et al.
Pubblicazione: (2025)

BARISTA: A Multi-Task Egocentric Benchmark for Compositional Visual Understanding
di: Knab, Patrick, et al.
Pubblicazione: (2026)

Machine Unlearning for Document Classification
di: Kang, Lei, et al.
Pubblicazione: (2024)

DocVXQA: Context-Aware Visual Explanations for Document Question Answering
di: Souibgui, Mohamed Ali, et al.
Pubblicazione: (2025)

Zooming into Comics: Region-Aware RL Improves Fine-Grained Comic Understanding in Vision-Language Models
di: Chen, Yule, et al.
Pubblicazione: (2025)

Shot2Story: A New Benchmark for Comprehensive Understanding of Multi-shot Videos
di: Han, Mingfei, et al.
Pubblicazione: (2023)

VenusBench-GD: A Comprehensive Multi-Platform GUI Benchmark for Diverse Grounding Tasks
di: Zhou, Beitong, et al.
Pubblicazione: (2025)

AutoGUI-v2: A Comprehensive Multi-Modal GUI Functionality Understanding Benchmark
di: Li, Hongxin, et al.
Pubblicazione: (2026)

UWBench: A Comprehensive Vision-Language Benchmark for Underwater Understanding
di: Zhang, Da, et al.
Pubblicazione: (2025)

AgMMU: A Comprehensive Agricultural Multimodal Understanding Benchmark
di: Gauba, Aruna, et al.
Pubblicazione: (2025)

Unlocking Comics: The AI4VA Dataset for Visual Understanding
di: Grönquist, Peter, et al.
Pubblicazione: (2024)

Retrieval Augmented Comic Image Generation
di: Shui, Yunhao, et al.
Pubblicazione: (2025)

MuirBench: A Comprehensive Benchmark for Robust Multi-image Understanding
di: Wang, Fei, et al.
Pubblicazione: (2024)

OmniPro: A Comprehensive Benchmark for Omni-Proactive Streaming Video Understanding
di: Zhao, Ruixiang, et al.
Pubblicazione: (2026)

MME-Unify: A Comprehensive Benchmark for Unified Multimodal Understanding and Generation Models
di: Xie, Wulin, et al.
Pubblicazione: (2025)

Quality-Aware Image-Text Alignment for Opinion-Unaware Image Quality Assessment
di: Agnolucci, Lorenzo, et al.
Pubblicazione: (2024)

Multi-Agent System for Comprehensive Soccer Understanding
di: Rao, Jiayuan, et al.
Pubblicazione: (2025)

The Manga Whisperer: Automatically Generating Transcriptions for Comics
di: Sachdeva, Ragav, et al.
Pubblicazione: (2024)