Buchumschlag

TiCLS : Tightly Coupled Language Text Spotter

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jang, Leeje, Lin, Yijun, Chiang, Yao-Yi, Weinman, Jerod
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LIGHT: Multi-Modal Text Linking on Historical Maps
von: Lin, Yijun, et al.
Veröffentlicht: (2025)

Hyper-Local Deformable Transformers for Text Spotting on Historical Maps
von: Lin, Yijun, et al.
Veröffentlicht: (2025)

EdgeSpotter: Multi-Scale Dense Text Spotting for Industrial Panel Monitoring
von: Fu, Changhong, et al.
Veröffentlicht: (2025)

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

Arbitrary Reading Order Scene Text Spotter with Local Semantics Guidance
von: Lyu, Jiahao, et al.
Veröffentlicht: (2024)

FastTextSpotter: A High-Efficiency Transformer for Multilingual Scene Text Spotting
von: Das, Alloy, et al.
Veröffentlicht: (2024)

FRIEDA: Benchmarking Multi-Step Cartographic Reasoning in Vision-Language Models
von: Pyo, Jiyoon, et al.
Veröffentlicht: (2025)

DIGMAPPER: A Modular System for Automated Geologic Map Digitization
von: Duan, Weiwei, et al.
Veröffentlicht: (2025)

TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision
von: Zhai, Yukun, et al.
Veröffentlicht: (2023)

HotSpotter - Patterned Species Instance Recognition
von: Crall, Jonathan P., et al.
Veröffentlicht: (2025)

Spotter+GPT: Turning Sign Spottings into Sentences with LLMs
von: Sincan, Ozge Mercanoglu, et al.
Veröffentlicht: (2024)

"ScatSpotter" -- A Dog Poop Detection Dataset
von: Crall, Jon
Veröffentlicht: (2024)

DNTextSpotter: Arbitrary-Shaped Scene Text Spotting via Improved Denoising Training
von: Xie, Yu, et al.
Veröffentlicht: (2024)

[CLS] Token Tells Everything Needed for Training-free Efficient MLLMs
von: Wang, Ao, 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)

CASP: Few-Shot Class-Incremental Learning with CLS Token Attention Steering Prompts
von: Huang, Shuai, et al.
Veröffentlicht: (2026)

[CLS] is Not Enough: Multi-Label Recognition via Patch-Level Inference and Adaptive Aggregation
von: Wang, Akang, et al.
Veröffentlicht: (2026)

Unsqueeze [CLS] Bottleneck to Learn Rich Representations
von: Su, Qing, et al.
Veröffentlicht: (2024)

Unlocking [CLS] Features for Continual Post-Training
von: Yildirim, Murat Onur, et al.
Veröffentlicht: (2025)

Multi-Level CLS Token Fusion for Contrastive Learning in Endoscopy Image Classification
von: Nguyen, Y Hop, et al.
Veröffentlicht: (2025)

OMNI-Dent: Towards an Accessible and Explainable AI Framework for Automated Dental Diagnosis
von: Jang, Leeje, et al.
Veröffentlicht: (2026)

Revisiting [CLS] and Patch Token Interaction in Vision Transformers
von: Marouani, Alexis, et al.
Veröffentlicht: (2026)

KM-ViPE: Online Tightly Coupled Vision-Language-Geometry Fusion for Open-Vocabulary Semantic SLAM
von: Nasser, Zaid, et al.
Veröffentlicht: (2025)

FlexID: Training-Free Flexible Identity Injection via Intent-Aware Modulation for Text-to-Image Generation
von: Li, Guandong, et al.
Veröffentlicht: (2026)

TCLC-GS: Tightly Coupled LiDAR-Camera Gaussian Splatting for Autonomous Driving
von: Zhao, Cheng, et al.
Veröffentlicht: (2024)

Register and [CLS] tokens yield a decoupling of local and global features in large ViTs
von: Lappe, Alexander, et al.
Veröffentlicht: (2025)

Tightly-Coupled, Speed-aided Monocular Visual-Inertial Localization in Topological Map
von: Yang, Chanuk, et al.
Veröffentlicht: (2024)

WalkCLIP: Multimodal Learning for Urban Walkability Prediction
von: Xiang, Shilong, et al.
Veröffentlicht: (2025)

Cross-Modal Action Recognition in Egocentric Video Using Mamba: Integrating RGB and Hand Skeleton Streams via CLS Token Fusion Strategies
von: Gorostegui, Juan Ignacio Bustos, et al.
Veröffentlicht: (2026)

X-Oscar: A Progressive Framework for High-quality Text-guided 3D Animatable Avatar Generation
von: Ma, Yiwei, et al.
Veröffentlicht: (2024)

Fine-Scale Soil Mapping in Alaska with Multimodal Machine Learning
von: Lin, Yijun, et al.
Veröffentlicht: (2025)

LayerFusion: Harmonized Multi-Layer Text-to-Image Generation with Generative Priors
von: Dalva, Yusuf, et al.
Veröffentlicht: (2024)

TiP4GEN: Text to Immersive Panorama 4D Scene Generation
von: Xing, Ke, et al.
Veröffentlicht: (2025)

Text-Anchored Score Composition: Tackling Condition Misalignment in Text-to-Image Diffusion Models
von: Wang, Luozhou, et al.
Veröffentlicht: (2023)

TransPixeler: Advancing Text-to-Video Generation with Transparency
von: Wang, Luozhou, et al.
Veröffentlicht: (2025)

AQUA-SLAM: Tightly-Coupled Underwater Acoustic-Visual-Inertial SLAM with Sensor Calibration
von: Xu, Shida, et al.
Veröffentlicht: (2025)

Beyond Optimal Transport: Model-Aligned Coupling for Flow Matching
von: Lin, Yexiong, et al.
Veröffentlicht: (2025)

RADIO-ViPE: Online Tightly Coupled Multi-Modal Fusion for Open-Vocabulary Semantic SLAM in Dynamic Environments
von: Nasser, Zaid, et al.
Veröffentlicht: (2026)

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

GuardT2I: Defending Text-to-Image Models from Adversarial Prompts
von: Yang, Yijun, et al.
Veröffentlicht: (2024)