Buchumschlag

Vision-Braille: A Curriculum Learning Toolkit and Braille-Chinese Corpus for Braille Translation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Alan, Yuan, Ye, Xiao, Zhiping, Zhang, Ming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Braille to Text Translation for Bengali Language: A Geometric Approach
von: Kamal, Minhas, et al.
Veröffentlicht: (2020)

BrailleLLM: Braille Instruction Tuning with Large Language Models for Braille Domain Tasks
von: Huang, Tianyuan, et al.
Veröffentlicht: (2025)

AlignMMBench: Evaluating Chinese Multimodal Alignment in Large Vision-Language Models
von: Wu, Yuhang, et al.
Veröffentlicht: (2024)

NAVCON: A Cognitively Inspired and Linguistically Grounded Corpus for Vision and Language Navigation
von: Wanchoo, Karan, et al.
Veröffentlicht: (2024)

PM4Bench: Benchmarking Large Vision-Language Models with Parallel Multilingual Multi-Modal Multi-task Corpus
von: Gao, Junyuan, et al.
Veröffentlicht: (2025)

Rethinking Multilingual Vision-Language Translation: Dataset, Evaluation, and Adaptation
von: Wang, Xintong, et al.
Veröffentlicht: (2025)

TUBench: Benchmarking Large Vision-Language Models on Trustworthiness with Unanswerable Questions
von: He, Xingwei, et al.
Veröffentlicht: (2024)

"See the World, Discover Knowledge": A Chinese Factuality Evaluation for Large Vision Language Models
von: Gu, Jihao, et al.
Veröffentlicht: (2025)

SignDPO: Multi-level Direct Preference Optimisation for Skeleton-based Gloss-free Sign Language Translation
von: Pu, Muxin, et al.
Veröffentlicht: (2026)

CVLUE: A New Benchmark Dataset for Chinese Vision-Language Understanding Evaluation
von: Wang, Yuxuan, et al.
Veröffentlicht: (2024)

VL-Cogito: Progressive Curriculum Reinforcement Learning for Advanced Multimodal Reasoning
von: Yuan, Ruifeng, et al.
Veröffentlicht: (2025)

AnnoTheia: A Semi-Automatic Annotation Toolkit for Audio-Visual Speech Technologies
von: Acosta-Triana, José-M., et al.
Veröffentlicht: (2024)

Light Up the Shadows: Enhance Long-Tailed Entity Grounding with Concept-Guided Vision-Language Models
von: Zhang, Yikai, et al.
Veröffentlicht: (2024)

ArtGPT-4: Towards Artistic-understanding Large Vision-Language Models with Enhanced Adapter
von: Yuan, Zhengqing, et al.
Veröffentlicht: (2023)

BiomedCoOp: Learning to Prompt for Biomedical Vision-Language Models
von: Koleilat, Taha, et al.
Veröffentlicht: (2024)

Learning Rate Curriculum
von: Croitoru, Florinel-Alin, et al.
Veröffentlicht: (2022)

VoxRep: Enhancing 3D Spatial Understanding in 2D Vision-Language Models via Voxel Representation
von: Dao, Alan, et al.
Veröffentlicht: (2025)

PyVision: Agentic Vision with Dynamic Tooling
von: Zhao, Shitian, et al.
Veröffentlicht: (2025)

Evaluating Fairness in Large Vision-Language Models Across Diverse Demographic Attributes and Prompts
von: Wu, Xuyang, et al.
Veröffentlicht: (2024)

Pseudo-Prompt Generating in Pre-trained Vision-Language Models for Multi-Label Medical Image Classification
von: Ye, Yaoqin, et al.
Veröffentlicht: (2024)

Autoregressive Models in Vision: A Survey
von: Xiong, Jing, et al.
Veröffentlicht: (2024)

MIRL: Mutual Information-Guided Reinforcement Learning for Vision-Language Models
von: Zhang, Yin, et al.
Veröffentlicht: (2026)

HELPD: Mitigating Hallucination of LVLMs by Hierarchical Feedback Learning with Vision-enhanced Penalty Decoding
von: Yuan, Fan, et al.
Veröffentlicht: (2024)

Evi-Steer: Learning to Steer Biomedical Vision-Language Models through Efficient and Generalizable Evidential Tuning
von: Koleilat, Taha, et al.
Veröffentlicht: (2026)

No Tokens Wasted: Leveraging Long Context in Biomedical Vision-Language Models
von: Sun, Min Woo, et al.
Veröffentlicht: (2025)

Seeing the Poem: Image-Semantic Detection of AI-Generated Modern Chinese Poetry with MLLMs
von: Wang, Shanshan, et al.
Veröffentlicht: (2026)

TransLPRNet: Lite Vision-Language Network for Single/Dual-line Chinese License Plate Recognition
von: Xu, Guangzhu, et al.
Veröffentlicht: (2025)

mOSCAR: A Large-scale Multilingual and Multimodal Document-level Corpus
von: Futeral, Matthieu, et al.
Veröffentlicht: (2024)

Vision Language Models Map Logos to Text via Semantic Entanglement in the Visual Projector
von: Li, Sifan, et al.
Veröffentlicht: (2025)

TTL: Test-time Textual Learning for OOD Detection with Pretrained Vision-Language Models
von: Ye, Jinlun, et al.
Veröffentlicht: (2026)

Dream-VL & Dream-VLA: Open Vision-Language and Vision-Language-Action Models with Diffusion Language Model Backbone
von: Ye, Jiacheng, et al.
Veröffentlicht: (2025)

Direct Translation between Sign Languages
von: Wu, Zetian, et al.
Veröffentlicht: (2026)

Play to Generalize: Learning to Reason Through Game Play
von: Xie, Yunfei, et al.
Veröffentlicht: (2025)

Granular Privacy Control for Geolocation with Vision Language Models
von: Mendes, Ethan, et al.
Veröffentlicht: (2024)

GeoX: Geometric Problem Solving Through Unified Formalized Vision-Language Pre-training
von: Xia, Renqiu, et al.
Veröffentlicht: (2024)

Enhancing Vision-Language Few-Shot Adaptation with Negative Learning
von: Zhang, Ce, et al.
Veröffentlicht: (2024)

A Hong Kong Sign Language Corpus Collected from Sign-interpreted TV News
von: Niu, Zhe, et al.
Veröffentlicht: (2024)

Dual-branch Prompting for Multimodal Machine Translation
von: Wang, Jie, et al.
Veröffentlicht: (2025)

Vision as LoRA
von: Wang, Han, et al.
Veröffentlicht: (2025)

From Heads to Neurons: Causal Attribution and Steering in Multi-Task Vision-Language Models
von: Wang, Qidong, et al.
Veröffentlicht: (2026)