Buchumschlag

DoPTA: Improving Document Layout Analysis using Patch-Text Alignment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	SR, Nikitha, Menta, Tarun Ram, Sarkar, Mausoom
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

HIRE: Lightweight High-Resolution Image Feature Enrichment for Multimodal LLMs
von: SR, Nikitha, et al.
Veröffentlicht: (2025)

DesignSense: A Human Preference Dataset and Reward Modeling Framework for Graphic Layout Generation
von: Gopal, Varun, et al.
Veröffentlicht: (2026)

Evaluating Variance in Visual Question Answering Benchmarks
von: SR, Nikitha
Veröffentlicht: (2025)

AesthetiQ: Enhancing Graphic Layout Design via Aesthetic-Aware Preference Alignment of Multi-modal Large Language Models
von: Patnaik, Sohan, et al.
Veröffentlicht: (2025)

EOPose : Exemplar-based object reposing using Generalized Pose Correspondences
von: Mehrotra, Sarthak, et al.
Veröffentlicht: (2025)

AFRAgent : An Adaptive Feature Renormalization Based High Resolution Aware GUI agent
von: Anand, Neeraj, et al.
Veröffentlicht: (2025)

ReEdit: Multimodal Exemplar-Based Image Editing with Diffusion Models
von: Srivastava, Ashutosh, et al.
Veröffentlicht: (2024)

Towards Efficient Exemplar Based Image Editing with Multimodal VLMs
von: Jadhav, Avadhoot, et al.
Veröffentlicht: (2025)

LED Benchmark: Diagnosing Structural Layout Errors for Document Layout Analysis
von: Heo, Inbum, et al.
Veröffentlicht: (2025)

Diachronic Document Dataset for Semantic Layout Analysis
von: Clérice, Thibault, et al.
Veröffentlicht: (2024)

SFDLA: Source-Free Document Layout Analysis
von: Tewes, Sebastian, et al.
Veröffentlicht: (2025)

A Hybrid Approach for Document Layout Analysis in Document images
von: Shehzadi, Tahira, et al.
Veröffentlicht: (2024)

Cross-Domain Document Layout Analysis Using Document Style Guide
von: Wu, Xingjiao, et al.
Veröffentlicht: (2022)

Beyond Bag-of-Patches: Learning Global Layout via Textual Supervision for Late-Interaction Visual Document Retrieval
von: Tilli, Pascal, et al.
Veröffentlicht: (2026)

DLAFormer: An End-to-End Transformer For Document Layout Analysis
von: Wang, Jiawei, et al.
Veröffentlicht: (2024)

HybriDLA: Hybrid Generation for Document Layout Analysis
von: Chen, Yufan, et al.
Veröffentlicht: (2025)

Text Grouping Adapter: Adapting Pre-trained Text Detector for Layout Analysis
von: Bi, Tianci, et al.
Veröffentlicht: (2024)

Visually Guided Generative Text-Layout Pre-training for Document Intelligence
von: Mao, Zhiming, et al.
Veröffentlicht: (2024)

TIPSv2: Advancing Vision-Language Pretraining with Enhanced Patch-Text Alignment
von: Cao, Bingyi, et al.
Veröffentlicht: (2026)

UnSupDLA: Towards Unsupervised Document Layout Analysis
von: Sheikh, Talha Uddin, et al.
Veröffentlicht: (2024)

RoDLA: Benchmarking the Robustness of Document Layout Analysis Models
von: Chen, Yufan, et al.
Veröffentlicht: (2024)

DocLayout-YOLO: Enhancing Document Layout Analysis through Diverse Synthetic Data and Global-to-Local Adaptive Perception
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2024)

LLM-Guided Probabilistic Fusion for Label-Efficient Document Layout Analysis
von: Shihab, Ibne Farabi, et al.
Veröffentlicht: (2025)

PARL: Position-Aware Relation Learning Network for Document Layout Analysis
von: Liu, Fuyuan, et al.
Veröffentlicht: (2026)

Seeing is Improving: Visual Feedback for Iterative Text Layout Refinement
von: Guo, Junrong, et al.
Veröffentlicht: (2026)

SciPostLayout: A Dataset for Layout Analysis and Layout Generation of Scientific Posters
von: Tanaka, Shohei, et al.
Veröffentlicht: (2024)

Generating Animated Layouts as Structured Text Representations
von: Shin, Yeonsang, et al.
Veröffentlicht: (2025)

The COTe score: A decomposable framework for evaluating Document Layout Analysis models
von: Bourne, Jonathan, et al.
Veröffentlicht: (2026)

HandDreamer: Zero-Shot Text to 3D Hand Model Generation using Corrective Hand Shape Guidance
von: Rosh, Green, et al.
Veröffentlicht: (2026)

Towards Khmer Scene Document Layout Detection
von: Kong, Marry, et al.
Veröffentlicht: (2026)

ReLayout: Towards Real-World Document Understanding via Layout-enhanced Pre-training
von: Jiang, Zhouqiang, et al.
Veröffentlicht: (2024)

Enhancing Zero-Shot Brain Tumor Subtype Classification via Fine-Grained Patch-Text Alignment
von: Gan, Lubin, et al.
Veröffentlicht: (2025)

LED: A Benchmark for Evaluating Layout Error Detection in Document Analysis
von: Heo, Inbum, et al.
Veröffentlicht: (2026)

Accurate Fine-grained Layout Analysis for the Historical Tibetan Document Based on the Instance Segmentation
von: Zhao, Penghai, et al.
Veröffentlicht: (2021)

LayoutLLM: Layout Instruction Tuning with Large Language Models for Document Understanding
von: Luo, Chuwei, et al.
Veröffentlicht: (2024)

Multitwine: Multi-Object Compositing with Text and Layout Control
von: Tarrés, Gemma Canet, et al.
Veröffentlicht: (2025)

OmniDocLayout: Towards Diverse Document Layout Generation via Coarse-to-Fine LLM Learning
von: Kang, Hengrui, et al.
Veröffentlicht: (2025)

Removing Distributional Discrepancies in Captions Improves Image-Text Alignment
von: Li, Yuheng, et al.
Veröffentlicht: (2024)

Scan-and-Print: Patch-level Data Summarization and Augmentation for Content-aware Layout Generation in Poster Design
von: Hsu, HsiaoYuan, et al.
Veröffentlicht: (2025)

Towards Improved Text-Aligned Codebook Learning: Multi-Hierarchical Codebook-Text Alignment with Long Text
von: Liang, Guotao, et al.
Veröffentlicht: (2025)