Buchumschlag

A Picture is Worth a Thousand (Correct) Captions: A Vision-Guided Judge-Corrector System for Multimodal Machine Translation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Betala, Siddharth, Raj, Kushan, Betala, Vipul, Saswade, Rohan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Computer Vision and Pattern Recognition Human-Computer Interaction
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Brotherhood at WMT 2024: Leveraging LLM-Generated Contextual Conversations for Cross-Lingual Image Captioning
von: Betala, Siddharth, et al.
Veröffentlicht: (2024)

MEGAnno+: A Human-LLM Collaborative Annotation System
von: Kim, Hannah, et al.
Veröffentlicht: (2024)

Machine Translation in the Wild: User Reaction to Xiaohongshu's Built-In Translation Feature
von: He, Sui
Veröffentlicht: (2026)

A Picture Is Worth a Thousand Words: Exploring Diagram and Video-Based OOP Exercises to Counter LLM Over-Reliance
von: Cipriano, Bruno Pereira, et al.
Veröffentlicht: (2024)

Context-Aware Monolingual Human Evaluation of Machine Translation
von: Picinini, Silvio, et al.
Veröffentlicht: (2025)

Audio-Based Crowd-Sourced Evaluation of Machine Translation Quality
von: Haq, Sami Ul, et al.
Veröffentlicht: (2025)

A Picture is Worth a Thousand Prompts? Efficacy of Iterative Human-Driven Prompt Refinement in Image Regeneration Tasks
von: Trinh, Khoi, et al.
Veröffentlicht: (2025)

Enhancing Public Speaking Skills in Engineering Students Through AI
von: Harsh, Amol, et al.
Veröffentlicht: (2025)

Introducing Quality Estimation to Machine Translation Post-editing Workflow: An Empirical Study on Its Usefulness
von: Liu, Siqi, et al.
Veröffentlicht: (2025)

When Large Language Models are Reliable for Judging Empathic Communication
von: Kumar, Aakriti, et al.
Veröffentlicht: (2025)

Effects of Collaboration on the Performance of Interactive Theme Discovery Systems
von: Chen, Alvin Po-Chun, et al.
Veröffentlicht: (2024)

Translation Analytics for Freelancers II: Benchmarking Local LLMs for Confidential Translation Workflows
von: Balashov, Yuri, et al.
Veröffentlicht: (2026)

Understanding How Paper Writers Use AI-Generated Captions in Figure Caption Writing
von: Yin, Ho, et al.
Veröffentlicht: (2025)

Captioning Visualizations with Large Language Models (CVLLM): A Tutorial
von: Carenini, Giuseppe, et al.
Veröffentlicht: (2024)

Prompting ChatGPT for Translation: A Comparative Analysis of Translation Brief and Persona Prompts
von: He, Sui
Veröffentlicht: (2024)

Towards Multimodal Social Conversations with Robots: Using Vision-Language Models
von: Janssens, Ruben, et al.
Veröffentlicht: (2025)

AI vs. Human Judgment of Content Moderation: LLM-as-a-Judge and Ethics-Based Response Refusals
von: Pasch, Stefan
Veröffentlicht: (2025)

Emojinize: Enriching Any Text with Emoji Translations
von: Klein, Lars Henning, et al.
Veröffentlicht: (2024)

Pearmut: Human Evaluation of Translation Made Trivial
von: Zouhar, Vilém, et al.
Veröffentlicht: (2026)

From Scratch to Fine-Tuned: A Comparative Study of Transformer Training Strategies for Legal Machine Translation
von: Barman, Amit, et al.
Veröffentlicht: (2025)

Media of Langue: The Interface for Exploring Word Translation Network/Space
von: Muramoto, Goki, et al.
Veröffentlicht: (2023)

E-THER: A Multimodal Dataset for Empathic AI -- Towards Emotional Mismatch Awareness
von: Tahir, Sharjeel, et al.
Veröffentlicht: (2025)

ReactGenie: A Development Framework for Complex Multimodal Interactions Using Large Language Models
von: Yang, Jackie Junrui, et al.
Veröffentlicht: (2023)

Repairs in a Block World: A New Benchmark for Handling User Corrections with Multi-Modal Language Models
von: Chiyah-Garcia, Javier, et al.
Veröffentlicht: (2024)

Lost Before Translation: Social Information Transmission and Survival in AI-AI Communication
von: Ghafouri, Bijean, et al.
Veröffentlicht: (2026)

MathBuddy: A Multimodal System for Affective Math Tutoring
von: Kar, Debanjana, et al.
Veröffentlicht: (2025)

Machine Learning for Enhancing Deliberation in Online Political Discussions and Participatory Processes: A Survey
von: Behrendt, Maike, et al.
Veröffentlicht: (2025)

RAGExplorer: A Visual Analytics System for the Comparative Diagnosis of RAG Systems
von: Tian, Haoyu, et al.
Veröffentlicht: (2026)

Combine Virtual Reality and Machine-Learning to Identify the Presence of Dyslexia: A Cross-Linguistic Approach
von: Materazzini, Michele, et al.
Veröffentlicht: (2025)

Guiding Generative Storytelling with Knowledge Graphs
von: Pan, Zhijun, et al.
Veröffentlicht: (2025)

Successfully Guiding Humans with Imperfect Instructions by Highlighting Potential Errors and Suggesting Corrections
von: Zhao, Lingjun, et al.
Veröffentlicht: (2024)

Questionnaires for Everyone: Streamlining Cross-Cultural Questionnaire Adaptation with GPT-Based Translation Quality Evaluation
von: Haavisto, Otso, et al.
Veröffentlicht: (2024)

Multimodal Dialog Systems with Dual Knowledge-enhanced Generative Pretrained Language Model
von: Chen, Xiaolin, et al.
Veröffentlicht: (2022)

Exploring Personalized Health Support through Data-Driven, Theory-Guided LLMs: A Case Study in Sleep Health
von: Wang, Xingbo, et al.
Veröffentlicht: (2025)

Unsupervised Word-level Quality Estimation for Machine Translation Through the Lens of Annotators (Dis)agreement
von: Sarti, Gabriele, et al.
Veröffentlicht: (2025)

FlexDuo: A Pluggable System for Enabling Full-Duplex Capabilities in Speech Dialogue Systems
von: Liao, Borui, et al.
Veröffentlicht: (2025)

AwareLLM: A Proactive Multimodal Ecosystem for Personalized Human-AI Collaboration to Enhance Productivity
von: Rao, Amog, et al.
Veröffentlicht: (2026)

EmphasisChecker: A Tool for Guiding Chart and Caption Emphasis
von: Kim, Dae Hyun, et al.
Veröffentlicht: (2023)

ACE: A LLM-based Negotiation Coaching System
von: Shea, Ryan, et al.
Veröffentlicht: (2024)

Facilitating Self-Guided Mental Health Interventions Through Human-Language Model Interaction: A Case Study of Cognitive Restructuring
von: Sharma, Ashish, et al.
Veröffentlicht: (2023)