Copertina

One missing piece in Vision and Language: A Survey on Comics Understanding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Vivoli, Emanuele, Souibgui, Mohamed Ali, Barsky, Andrey, LLabrés, Artemis, 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

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

CoMix: A Comprehensive Benchmark for Multi-Task Comic Understanding
di: Vivoli, Emanuele, et al.
Pubblicazione: (2024)

ComiCap: A VLMs pipeline for dense captioning of Comic Panels
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)

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

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

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

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

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

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

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

GRIF-DM: Generation of Rich Impression Fonts using Diffusion Models
di: Kang, Lei, et al.
Pubblicazione: (2024)

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

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

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

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)

ORCA: Orchestrated Reasoning with Collaborative Agents for Document Visual Question Answering
di: Lassoued, Aymen, et al.
Pubblicazione: (2026)

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

Learning Quantifiable Visual Explanations Without Ground-Truth
di: Singh, Amritpal, et al.
Pubblicazione: (2026)

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

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)

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

Evaluating Vision-Language Models on Bistable Images
di: Panagopoulou, Artemis, et al.
Pubblicazione: (2024)

Privacy-Aware Document Visual Question Answering
di: Tito, Rubèn, et al.
Pubblicazione: (2023)

CSSL-MHTR: Continual Self-Supervised Learning for Scalable Multi-script Handwritten Text Recognition
di: Dhiaf, Marwa, et al.
Pubblicazione: (2023)

VRSBench: A Versatile Vision-Language Benchmark Dataset for Remote Sensing Image Understanding
di: Li, Xiang, et al.
Pubblicazione: (2024)

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

Goldfish: Vision-Language Understanding of Arbitrarily Long Videos
di: Ataallah, Kirolos, et al.
Pubblicazione: (2024)

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

NeurIPS 2023 Competition: Privacy Preserving Federated Learning Document VQA
di: Tobaben, Marlon, et al.
Pubblicazione: (2024)

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

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

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

Enhancing Document VQA Models via Retrieval-Augmented Generation
di: López, Eric, et al.
Pubblicazione: (2025)

VRU-Accident: A Vision-Language Benchmark for Video Question Answering and Dense Captioning for Accident Scene Understanding
di: Kim, Younggun, et al.
Pubblicazione: (2025)

Vision-Language Models for Vision Tasks: A Survey
di: Zhang, Jingyi, et al.
Pubblicazione: (2023)