Buchumschlag

SAViL-Det: Semantic-Aware Vision-Language Model for Multi-Script Text Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zighem, Mohammed-En-Nadhir, Hadid, Abdenour
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

Recent Advances in Medical Imaging Segmentation: A Survey
von: Bougourzi, Fares, et al.
Veröffentlicht: (2025)

Decoding Matters: Efficient Mamba-Based Decoder with Distribution-Aware Deep Supervision for Medical Image Segmentation
von: Bougourzi, Fares, et al.
Veröffentlicht: (2026)

C-DiffDet+: Fusing Global Scene Context with Generative Denoising for High-Fidelity Car Damage Detection
von: Sellam, Abdellah Zakaria, et al.
Veröffentlicht: (2025)

FIDAVL: Fake Image Detection and Attribution using Vision-Language Model
von: Keita, Mamadou, et al.
Veröffentlicht: (2024)

Harnessing the Power of Large Vision Language Models for Synthetic Image Detection
von: Keita, Mamadou, et al.
Veröffentlicht: (2024)

PE-CLIP: A Parameter-Efficient Fine-Tuning of Vision Language Models for Dynamic Facial Expression Recognition
von: Saadi, Ibtissam, et al.
Veröffentlicht: (2025)

VLM-PAR: A Vision Language Model for Pedestrian Attribute Recognition
von: Sellam, Abdellah Zakaria, et al.
Veröffentlicht: (2025)

Bi-LORA: A Vision-Language Approach for Synthetic Image Detection
von: Keita, Mamadou, et al.
Veröffentlicht: (2024)

SegDT: A Diffusion Transformer-Based Segmentation Model for Medical Imaging
von: Bekhouche, Salah Eddine, et al.
Veröffentlicht: (2025)

VideoSAVi: Self-Aligned Video Language Models without Human Supervision
von: Kulkarni, Yogesh, et al.
Veröffentlicht: (2024)

SPARK-IL: Spectral Retrieval-Augmented RAG for Knowledge-driven Deepfake Detection via Incremental Learning
von: Eutamene, Hessen Bougueffa, et al.
Veröffentlicht: (2026)

Shuffle Vision Transformer: Lightweight, Fast and Efficient Recognition of Driver Facial Expression
von: Saadi, Ibtissam, et al.
Veröffentlicht: (2024)

Conflict-Aware Multimodal Fusion for Ambivalence and Hesitancy Recognition
von: Bekhouche, Salah Eddine, et al.
Veröffentlicht: (2026)

DeeCLIP: A Robust and Generalizable Transformer-Based Framework for Detecting AI-Generated Images
von: Keita, Mamadou, et al.
Veröffentlicht: (2025)

Semantic-Aware Ship Detection with Vision-Language Integration
von: Li, Jiahao, et al.
Veröffentlicht: (2025)

SP-Det: Self-Prompted Dual-Text Fusion for Generalized Multi-Label Lesion Detection
von: Xu, Qing, et al.
Veröffentlicht: (2025)

Face to Cartoon Incremental Super-Resolution using Knowledge Distillation
von: Devkatte, Trinetra, et al.
Veröffentlicht: (2024)

RAVID: Retrieval-Augmented Visual Detection: A Knowledge-Driven Approach for AI-Generated Image Identification
von: Keita, Mamadou, et al.
Veröffentlicht: (2025)

RGBX-DiffusionDet: A Framework for Multi-Modal RGB-X Object Detection Using DiffusionDet
von: Orfaig, Eliraz, et al.
Veröffentlicht: (2025)

RF-HiT: Rectified Flow Hierarchical Transformer for General Medical Image Segmentation
von: Djouama, Ahmed Marouane, et al.
Veröffentlicht: (2026)

Beyond Semantics: Rediscovering Spatial Awareness in Vision-Language Models
von: Qi, Jianing, et al.
Veröffentlicht: (2025)

NeRF-Det++: Incorporating Semantic Cues and Perspective-aware Depth Supervision for Indoor Multi-View 3D Detection
von: Huang, Chenxi, et al.
Veröffentlicht: (2024)

FMG-Det: Foundation Model Guided Robust Object Detection
von: Hannan, Darryl, et al.
Veröffentlicht: (2025)

Toward Semantic-Agnostic and Shape-Aware Vision-Language Segmentation Models
von: Seutin, Corentin, et al.
Veröffentlicht: (2026)

VP-Hype: A Hybrid Mamba-Transformer Framework with Visual-Textual Prompting for Hyperspectral Image Classification
von: Sellam, Abdellah Zakaria, et al.
Veröffentlicht: (2026)

VoxDet: Rethinking 3D Semantic Occupancy Prediction as Dense Object Detection
von: Li, Wuyang, et al.
Veröffentlicht: (2025)

CoT4Det: A Chain-of-Thought Framework for Perception-Oriented Vision-Language Tasks
von: Qi, Yu, et al.
Veröffentlicht: (2025)

LMM-Det: Make Large Multimodal Models Excel in Object Detection
von: Li, Jincheng, et al.
Veröffentlicht: (2025)

Can Visual Mamba Improve AI-Generated Image Detection? An In-Depth Investigation
von: Keita, Mamadou, et al.
Veröffentlicht: (2026)

RemDet: Rethinking Efficient Model Design for UAV Object Detection
von: Li, Chen, et al.
Veröffentlicht: (2024)

DetRefiner: Model-Agnostic Detection Refinement with Feature Fusion Transformer
von: Okazaki, Soichiro, et al.
Veröffentlicht: (2026)

Detecting Text Manipulation in Images using Vision Language Models
von: Vidit, Vidit, et al.
Veröffentlicht: (2025)

DetPO: In-Context Learning with Multi-Modal LLMs for Few-Shot Object Detection
von: Gare, Gautam Rajendrakumar, et al.
Veröffentlicht: (2026)

UniDet3D: Multi-dataset Indoor 3D Object Detection
von: Kolodiazhnyi, Maksim, et al.
Veröffentlicht: (2024)

BUSTR: Breast Ultrasound Text Reporting with a Descriptor-Aware Vision-Language Model
von: Mohammed, Rawa, et al.
Veröffentlicht: (2025)

Script: Graph-Structured and Query-Conditioned Semantic Token Pruning for Multimodal Large Language Models
von: Yang, Zhongyu, et al.
Veröffentlicht: (2025)

SM3Det: A Unified Model for Multi-Modal Remote Sensing Object Detection
von: Li, Yuxuan, et al.
Veröffentlicht: (2024)

Vision-Language Models as Differentiable Semantic and Spatial Rewards for Text-to-3D Generation
von: Bai, Weimin, et al.
Veröffentlicht: (2025)

Examining Vision Language Models through Multi-dimensional Experiments with Vision and Text Features
von: Sengupta, Saurav, et al.
Veröffentlicht: (2025)

Training-Free Semantic Multi-Object Tracking with Vision-Language Models
von: Bonat, Laurence, et al.
Veröffentlicht: (2026)