Copertina

From Panels to Prose: Generating Literary Narratives from Comics

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Sachdeva, Ragav, Zisserman, Andrew
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

Tails Tell Tales: Chapter-Wide Manga Transcriptions with Character Names
di: Sachdeva, Ragav, et al.
Pubblicazione: (2024)

CountGD++: Generalized Prompting for Open-World Counting
di: Amini-Naieni, Niki, et al.
Pubblicazione: (2025)

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

Personalizing Retrieval using Joint Embeddings or "the Return of Fluffy"
di: Korbar, Bruno, et al.
Pubblicazione: (2025)

Chirality in Action: Time-Aware Video Representation Learning by Latent Straightening
di: Bagad, Piyush, et al.
Pubblicazione: (2025)

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

From 3D Pose to Prose: Biomechanics-Grounded Vision--Language Coaching
di: Ji, Yuyang, et al.
Pubblicazione: (2026)

A General Protocol to Probe Large Vision Models for 3D Physical Understanding
di: Zhan, Guanqi, et al.
Pubblicazione: (2023)

Recognising BSL Fingerspelling in Continuous Signing Sequences
di: Chan, Alyssa, et al.
Pubblicazione: (2026)

Appearance-Based Refinement for Object-Centric Motion Segmentation
di: Xie, Junyu, et al.
Pubblicazione: (2023)

Adapting MLLMs for Nuanced Video Retrieval
di: Bagad, Piyush, et al.
Pubblicazione: (2025)

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

CountGD: Multi-Modal Open-World Counting
di: Amini-Naieni, Niki, et al.
Pubblicazione: (2024)

Open-World Object Counting in Videos
di: Amini-Naieni, Niki, et al.
Pubblicazione: (2025)

New keypoint-based approach for recognising British Sign Language (BSL) from sequences
di: Deb, Oishi, et al.
Pubblicazione: (2024)

Recognizing Co-Speech Gestures in-the-Wild
di: Hegde, Sindhu B, et al.
Pubblicazione: (2026)

Amodal Ground Truth and Completion in the Wild
di: Zhan, Guanqi, et al.
Pubblicazione: (2023)

It's Just Another Day: Unique Video Captioning by Discriminative Prompting
di: Perrett, Toby, et al.
Pubblicazione: (2024)

Moving Object Segmentation: All You Need Is SAM (and Flow)
di: Xie, Junyu, et al.
Pubblicazione: (2024)

GMOS: Grounding Moving Object Segmentation in 3D Space and Time
di: Xie, Junyu, et al.
Pubblicazione: (2026)

From Pixels to Prose: A Large Dataset of Dense Image Captions
di: Singla, Vasu, et al.
Pubblicazione: (2024)

Seeing without Pixels: Perception from Camera Trajectories
di: Xue, Zihui, et al.
Pubblicazione: (2025)

Pixels to Prose: Understanding the art of Image Captioning
di: Singh, Hrishikesh, et al.
Pubblicazione: (2024)

Made to Order: Discovering monotonic temporal changes via self-supervised video ordering
di: Yang, Charig, et al.
Pubblicazione: (2024)

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

3D Spine Shape Estimation from Single 2D DXA
di: Bourigault, Emmanuelle, et al.
Pubblicazione: (2024)

Advanced Knowledge Extraction of Physical Design Drawings, Translation and conversion to CAD formats using Deep Learning
di: M, Jesher Joshua, et al.
Pubblicazione: (2024)

Inferring Dynamic Physical Properties from Video Foundation Models
di: Zhan, Guanqi, et al.
Pubblicazione: (2025)

Character-Centric Understanding of Animated Movies
di: Gui, Zhongrui, et al.
Pubblicazione: (2025)

ELIP: Enhanced Visual-Language Foundation Models for Image Retrieval
di: Zhan, Guanqi, et al.
Pubblicazione: (2025)

Understanding Co-speech Gestures in-the-wild
di: Hegde, Sindhu B, et al.
Pubblicazione: (2025)

Lost in Translation, Found in Context: Sign Language Translation with Contextual Cues
di: Jang, Youngjoon, et al.
Pubblicazione: (2025)

TIM: A Time Interval Machine for Audio-Visual Action Recognition
di: Chalk, Jacob, et al.
Pubblicazione: (2024)

Text-Conditioned Resampler For Long Form Video Understanding
di: Korbar, Bruno, et al.
Pubblicazione: (2023)

Character-aware audio-visual subtitling in context
di: Huh, Jaesung, et al.
Pubblicazione: (2024)

From Pixels to Prose: Advancing Multi-Modal Language Models for Remote Sensing
di: Sun, Xintian, et al.
Pubblicazione: (2024)

Shot-by-Shot: Film-Grammar-Aware Training-Free Audio Description Generation
di: Xie, Junyu, et al.
Pubblicazione: (2025)

OPRO: Orthogonal Panel-Relative Operators for Panel-Aware In-Context Image Generation
di: Lee, Sanghyeon, et al.
Pubblicazione: (2026)

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