Buchumschlag

Visual Text Processing: A Comprehensive Review and Unified Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shu, Yan, Zeng, Weichao, Zhao, Fangmin, Chen, Zeyu, Li, Zhenhang, Yang, Xiaomeng, Zhou, Yu, Rota, Paolo, Bai, Xiang, Jin, Lianwen, Yin, Xu-Cheng, Sebe, Nicu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Visual Text Meets Low-level Vision: A Comprehensive Survey on Visual Text Processing
von: Shu, Yan, et al.
Veröffentlicht: (2024)

First Creating Backgrounds Then Rendering Texts: A New Paradigm for Visual Text Blending
von: Li, Zhenhang, et al.
Veröffentlicht: (2024)

TerraScope: Pixel-Grounded Visual Reasoning for Earth Observation
von: Shu, Yan, et al.
Veröffentlicht: (2026)

TextCtrl: Diffusion-based Scene Text Editing with Prior Guidance Control
von: Zeng, Weichao, et al.
Veröffentlicht: (2024)

TADoc: Robust Time-Aware Document Image Dewarping
von: Zhao, Fangmin, et al.
Veröffentlicht: (2025)

Uni-DocDiff: A Unified Document Restoration Model Based on Diffusion
von: Zhao, Fangmin, et al.
Veröffentlicht: (2025)

Multi-focal Conditioned Latent Diffusion for Person Image Synthesis
von: Liu, Jiaqi, et al.
Veröffentlicht: (2025)

VidText: Towards Comprehensive Evaluation for Video Text Understanding
von: Yang, Zhoufaran, et al.
Veröffentlicht: (2025)

EarthMind: Leveraging Cross-Sensor Data for Advanced Earth Observation Interpretation with a Unified Multimodal LLM
von: Shu, Yan, et al.
Veröffentlicht: (2025)

Beyond Flat Text: Dual Self-inherited Guidance for Visual Text Generation
von: Luo, Minxing, et al.
Veröffentlicht: (2025)

StyleTextGen: Style-Conditioned Multilingual Scene Text Generation
von: Chen, Zeyu, et al.
Veröffentlicht: (2026)

Asymmetric GANs for Image-to-Image Translation
von: Tang, Hao, et al.
Veröffentlicht: (2019)

Bridging the Gap Between End-to-End and Two-Step Text Spotting
von: Huang, Mingxin, et al.
Veröffentlicht: (2024)

VimTS: A Unified Video and Image Text Spotter for Enhancing the Cross-domain Generalization
von: Liu, Yuliang, et al.
Veröffentlicht: (2024)

Vision+X: A Survey on Multimodal Learning in the Light of Data
von: Zhu, Ye, et al.
Veröffentlicht: (2022)

Progressive Evolution from Single-Point to Polygon for Scene Text
von: Deng, Linger, et al.
Veröffentlicht: (2023)

AlignCAT: Visual-Linguistic Alignment of Category and Attribute for Weakly Supervised Visual Grounding
von: Wang, Yidan, et al.
Veröffentlicht: (2025)

When Semantics Mislead Vision: Mitigating Large Multimodal Models Hallucinations in Scene Text Spotting and Understanding
von: Shu, Yan, et al.
Veröffentlicht: (2025)

CLIP is Strong Enough to Fight Back: Test-time Counterattacks towards Zero-shot Adversarial Robustness of CLIP
von: Xing, Songlong, et al.
Veröffentlicht: (2025)

RankFeat&RankWeight: Rank-1 Feature/Weight Removal for Out-of-distribution Detection
von: Song, Yue, et al.
Veröffentlicht: (2023)

Hyperbolic Busemann Neural Networks
von: Chen, Ziheng, et al.
Veröffentlicht: (2026)

URaG: Unified Retrieval and Generation in Multimodal LLMs for Efficient Long Document Understanding
von: Shi, Yongxin, et al.
Veröffentlicht: (2025)

Textual Knowledge Matters: Cross-Modality Co-Teaching for Generalized Visual Class Discovery
von: Zheng, Haiyang, et al.
Veröffentlicht: (2024)

ESPLoRA: Enhanced Spatial Precision with Low-Rank Adaption in Text-to-Image Diffusion Models for High-Definition Synthesis
von: Rigo, Andrea, et al.
Veröffentlicht: (2025)

LEGO: Self-Supervised Representation Learning for Scene Text Images
von: Ren, Yujin, et al.
Veröffentlicht: (2024)

Reverse Personalization
von: Kung, Han-Wei, et al.
Veröffentlicht: (2025)

Loomis Painter: Reconstructing the Painting Process
von: Pobitzer, Markus, et al.
Veröffentlicht: (2025)

Deep Learning-Based Object Pose Estimation: A Comprehensive Survey
von: Liu, Jian, et al.
Veröffentlicht: (2024)

Uni4D: A Unified Self-Supervised Learning Framework for Point Cloud Videos
von: Zuo, Zhi, et al.
Veröffentlicht: (2025)

Democratizing Fine-grained Visual Recognition with Large Language Models
von: Liu, Mingxuan, et al.
Veröffentlicht: (2024)

Omni-IML: Towards Unified Image Manipulation Localization
von: Qu, Chenfan, et al.
Veröffentlicht: (2024)

Curriculum-DPO++: Direct Preference Optimization via Data and Model Curricula for Text-to-Image Generation
von: Croitoru, Florinel-Alin, et al.
Veröffentlicht: (2026)

Mini-Monkey: Alleviating the Semantic Sawtooth Effect for Lightweight MLLMs via Complementary Image Pyramid
von: Huang, Mingxin, et al.
Veröffentlicht: (2024)

SwinTextSpotter v2: Towards Better Synergy for Scene Text Spotting
von: Huang, Mingxin, et al.
Veröffentlicht: (2024)

FreeInsert: Disentangled Text-Guided Object Insertion in 3D Gaussian Scene without Spatial Priors
von: Li, Chenxi, et al.
Veröffentlicht: (2025)

3D Part Segmentation via Geometric Aggregation of 2D Visual Features
von: Garosi, Marco, et al.
Veröffentlicht: (2024)

DiffInk: Glyph- and Style-Aware Latent Diffusion Transformer for Text to Online Handwriting Generation
von: Pan, Wei, et al.
Veröffentlicht: (2025)

GradBias: Unveiling Word Influence on Bias in Text-to-Image Generative Models
von: D'Incà, Moreno, et al.
Veröffentlicht: (2024)

Anti-Forgetting Adaptation for Unsupervised Person Re-identification
von: Chen, Hao, et al.
Veröffentlicht: (2024)

Riemannian Networks over Full-Rank Correlation Matrices
von: Chen, Ziheng, et al.
Veröffentlicht: (2026)