Buchumschlag

Text Change Detection in Multilingual Documents Using Image Comparison

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Doyoung, Yarram, Naresh Reddy, Kim, Sunjin, Kim, Minkyu, Cho, Seongho, Lee, Taehee
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pretraining Vision-Language Model for Difference Visual Question Answering in Longitudinal Chest X-rays
von: Cho, Yeongjae, et al.
Veröffentlicht: (2024)

Generalizing Visual Question Answering from Synthetic to Human-Written Questions via a Chain of QA with a Large Language Model
von: Kim, Taehee, et al.
Veröffentlicht: (2024)

Rare-to-Frequent: Unlocking Compositional Generation Power of Diffusion Models on Rare Concepts with LLM Guidance
von: Park, Dongmin, et al.
Veröffentlicht: (2024)

Axial-Centric Cross-Plane Attention for 3D Medical Image Classification
von: Park, Doyoung, et al.
Veröffentlicht: (2026)

Image Clustering Conditioned on Text Criteria
von: Kwon, Sehyun, et al.
Veröffentlicht: (2023)

Text-Aware Image Restoration with Diffusion Models
von: Min, Jaewon, et al.
Veröffentlicht: (2025)

ChatEXAONEPath: An Expert-level Multimodal Large Language Model for Histopathology Using Whole Slide Images
von: Kim, Sangwook, et al.
Veröffentlicht: (2025)

Neural Image Compression with Text-guided Encoding for both Pixel-level and Perceptual Fidelity
von: Lee, Hagyeong, et al.
Veröffentlicht: (2024)

EXPERT: An Explainable Image Captioning Evaluation Metric with Structured Explanations
von: Kim, Hyunjong, et al.
Veröffentlicht: (2025)

Image-Text Relation Prediction for Multilingual Tweets
von: Rikters, Matīss, et al.
Veröffentlicht: (2025)

VIXEN: Visual Text Comparison Network for Image Difference Captioning
von: Black, Alexander, et al.
Veröffentlicht: (2024)

KRETA: A Benchmark for Korean Reading and Reasoning in Text-Rich VQA Attuned to Diverse Visual Contexts
von: Hwang, Taebaek, et al.
Veröffentlicht: (2025)

Reference-Based Post-OCR Processing with LLM for Precise Diacritic Text in Historical Document Recognition
von: Do, Thao, et al.
Veröffentlicht: (2024)

An Efficient Sign Language Translation Using Spatial Configuration and Motion Dynamics with LLMs
von: Hwang, Eui Jun, et al.
Veröffentlicht: (2024)

MATE: Meet At The Embedding -- Connecting Images with Long Texts
von: Jang, Young Kyun, et al.
Veröffentlicht: (2024)

ELITE: Enhanced Language-Image Toxicity Evaluation for Safety
von: Lee, Wonjun, et al.
Veröffentlicht: (2025)

Constructing Multilingual Visual-Text Datasets Revealing Visual Multilingual Ability of Vision Language Models
von: Atuhurra, Jesse, et al.
Veröffentlicht: (2024)

DIP-R1: Deep Inspection and Perception with RL Looking Through and Understanding Complex Scenes
von: Park, Sungjune, et al.
Veröffentlicht: (2025)

ViPCap: Retrieval Text-Based Visual Prompts for Lightweight Image Captioning
von: Kim, Taewhan, et al.
Veröffentlicht: (2024)

Self-Correcting Text-to-Video Generation with Misalignment Detection and Localized Refinement
von: Lee, Daeun, et al.
Veröffentlicht: (2024)

Doubly-Universal Adversarial Perturbations: Deceiving Vision-Language Models Across Both Images and Text with a Single Perturbation
von: Kim, Hee-Seon, et al.
Veröffentlicht: (2024)

Forecasting Future Videos from Novel Views via Disentangled 3D Scene Representation
von: Yarram, Sudhir, et al.
Veröffentlicht: (2024)

Zero-Shot Scene Change Detection
von: Cho, Kyusik, et al.
Veröffentlicht: (2024)

Accurate Scene Text Recognition with Efficient Model Scaling and Cloze Self-Distillation
von: Maracani, Andrea, et al.
Veröffentlicht: (2025)

Unified Diffusion Transformer for High-fidelity Text-Aware Image Restoration
von: Kim, Jin Hyeon, et al.
Veröffentlicht: (2025)

How Does Vision-Language Adaptation Impact the Safety of Vision Language Models?
von: Lee, Seongyun, et al.
Veröffentlicht: (2024)

MUNIChus: Multilingual News Image Captioning Benchmark
von: Chen, Yuji, et al.
Veröffentlicht: (2026)

Multi-LLM Collaborative Caption Generation in Scientific Documents
von: Kim, Jaeyoung, et al.
Veröffentlicht: (2025)

Contrastive Language Prompting to Ease False Positives in Medical Anomaly Detection
von: Park, YeongHyeon, et al.
Veröffentlicht: (2024)

Image-Text Out-Of-Context Detection Using Synthetic Multimodal Misinformation
von: Shalabi, Fatma, et al.
Veröffentlicht: (2024)

Translation-Enhanced Multilingual Text-to-Image Generation
von: Li, Yaoyiran, et al.
Veröffentlicht: (2023)

PRIM: Towards Practical In-Image Multilingual Machine Translation
von: Tian, Yanzhi, et al.
Veröffentlicht: (2025)

VLM-SubtleBench: How Far Are VLMs from Human-Level Subtle Comparative Reasoning?
von: Kim, Minkyu, et al.
Veröffentlicht: (2026)

VARCO-VISION: Expanding Frontiers in Korean Vision-Language Models
von: Ju, Jeongho, et al.
Veröffentlicht: (2024)

Text Role Classification in Scientific Charts Using Multimodal Transformers
von: Kim, Hye Jin, et al.
Veröffentlicht: (2024)

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

GeoDANO: Geometric VLM with Domain Agnostic Vision Encoder
von: Cho, Seunghyuk, et al.
Veröffentlicht: (2025)

Diffusion Model Compression for Image-to-Image Translation
von: Kim, Geonung, et al.
Veröffentlicht: (2024)

FINEMATCH: Aspect-based Fine-grained Image and Text Mismatch Detection and Correction
von: Hua, Hang, et al.
Veröffentlicht: (2024)

Image Over Text: Transforming Formula Recognition Evaluation with Character Detection Matching
von: Wang, Bin, et al.
Veröffentlicht: (2024)