From Dead Pixels to Editable Slides: Infographic Reconstruction into Native Google Slides via Vision-Language Region Understanding
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Gonzalez, Leonardo |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
CLIP-Joint-Detect: End-to-End Joint Training of Object Detectors with Contrastive Vision-Language Supervision
par: Raoufi, Behnam, et autres
Publié: (2025)
par: Raoufi, Behnam, et autres
Publié: (2025)
Gaussian Splatting: 3D Reconstruction and Novel View Synthesis, a Review
par: Dalal, Anurag, et autres
Publié: (2024)
par: Dalal, Anurag, et autres
Publié: (2024)
From eye to AI: studying rodent social behavior in the era of machine Learning
par: Chindemi, Giuseppe, et autres
Publié: (2025)
par: Chindemi, Giuseppe, et autres
Publié: (2025)
Pixel-Level Pavement Distress Assessment Using Instance Segmentation
par: Dewick, Logan, et autres
Publié: (2026)
par: Dewick, Logan, et autres
Publié: (2026)
A Vision-Language Model for Focal Liver Lesion Classification
par: Jian, Song, et autres
Publié: (2025)
par: Jian, Song, et autres
Publié: (2025)
SERA-H: Beyond Native Sentinel Spatial Limits for High-Resolution Canopy Height Mapping
par: Boudras, Thomas, et autres
Publié: (2025)
par: Boudras, Thomas, et autres
Publié: (2025)
A Simple Baseline for Streaming Video Understanding
par: Shen, Yujiao, et autres
Publié: (2026)
par: Shen, Yujiao, et autres
Publié: (2026)
Prompt Sensitivity in Vision-Language Grounding: How Small Changes in Wording Affect Object Detection
par: Deka, Dawar Jyoti, et autres
Publié: (2026)
par: Deka, Dawar Jyoti, et autres
Publié: (2026)
Lifelong Learning in Vision-Language Models: Enhanced EWC with Cross-Modal Knowledge Retention
par: Durrani, Hamza Ahmed, et autres
Publié: (2026)
par: Durrani, Hamza Ahmed, et autres
Publié: (2026)
IMASHRIMP: Automatic White Shrimp (Penaeus vannamei) Biometrical Analysis from Laboratory Images Using Computer Vision and Deep Learning
par: González, Abiam Remache, et autres
Publié: (2025)
par: González, Abiam Remache, et autres
Publié: (2025)
Quantized FCA: Efficient Zero-Shot Texture Anomaly Detection
par: Ardelean, Andrei-Timotei, et autres
Publié: (2025)
par: Ardelean, Andrei-Timotei, et autres
Publié: (2025)
OCC-MLLM-CoT-Alpha: Towards Multi-stage Occlusion Recognition Based on Large Language Models via 3D-Aware Supervision and Chain-of-Thoughts Guidance
par: Wang, Chaoyi, et autres
Publié: (2025)
par: Wang, Chaoyi, et autres
Publié: (2025)
Mistake Attribution: Fine-Grained Mistake Understanding in Egocentric Videos
par: Li, Yayuan, et autres
Publié: (2025)
par: Li, Yayuan, et autres
Publié: (2025)
NOAH: Benchmarking Narrative Prior driven Hallucination and Omission in Video Large Language Models
par: Lee, Kyuho, et autres
Publié: (2025)
par: Lee, Kyuho, et autres
Publié: (2025)
Reducing Object Hallucination in LVLMs via Emphasizing Image-negative Tokens
par: Shen, Meng, et autres
Publié: (2026)
par: Shen, Meng, et autres
Publié: (2026)
Car Object Counting and Position Estimation via Extension of the CLIP-EBC Framework
par: Jung, Seoik, et autres
Publié: (2025)
par: Jung, Seoik, et autres
Publié: (2025)
PhysVideoGenerator: Towards Physically Aware Video Generation via Latent Physics Guidance
par: Satish, Siddarth Nilol Kundur, et autres
Publié: (2026)
par: Satish, Siddarth Nilol Kundur, et autres
Publié: (2026)
SimWorld: A Unified Benchmark for Simulator-Conditioned Scene Generation via World Model
par: Li, Xinqing, et autres
Publié: (2025)
par: Li, Xinqing, et autres
Publié: (2025)
From Cheap to Pro: A Learning-based Adaptive Camera Parameter Network for Professional-Style Imaging
par: Li, Fuchen, et autres
Publié: (2025)
par: Li, Fuchen, et autres
Publié: (2025)
Privacy-Preserving Structureless Visual Localization via Image Obfuscation
par: Panek, Vojtech, et autres
Publié: (2026)
par: Panek, Vojtech, et autres
Publié: (2026)
Dynamic Arthroscopic Navigation System for Anterior Cruciate Ligament Reconstruction Based on Multi-level Memory Architecture
par: Wang, Shuo, et autres
Publié: (2025)
par: Wang, Shuo, et autres
Publié: (2025)
DeltaVLM: Interactive Remote Sensing Image Change Analysis via Instruction-guided Difference Perception
par: Deng, Pei, et autres
Publié: (2025)
par: Deng, Pei, et autres
Publié: (2025)
Hierarchical Image-Guided 3D Point Cloud Segmentation in Industrial Scenes via Multi-View Bayesian Fusion
par: Zhu, Yu, et autres
Publié: (2025)
par: Zhu, Yu, et autres
Publié: (2025)
Semi supervised GAN for smart microscopy, fast and data efficient cell cycle classification
par: Manick, Rajeev, et autres
Publié: (2026)
par: Manick, Rajeev, et autres
Publié: (2026)
From Gaze to Insight: Bridging Human Visual Attention and Vision Language Model Explanation for Weakly-Supervised Medical Image Segmentation
par: Chen, Jingkun, et autres
Publié: (2025)
par: Chen, Jingkun, et autres
Publié: (2025)
Joint Learning of Depth, Pose, and Local Radiance Field for Large Scale Monocular 3D Reconstruction
par: Syed, Shahram Najam, et autres
Publié: (2025)
par: Syed, Shahram Najam, et autres
Publié: (2025)
DualPrompt-MedCap: A Dual-Prompt Enhanced Approach for Medical Image Captioning
par: Zhao, Yining, et autres
Publié: (2025)
par: Zhao, Yining, et autres
Publié: (2025)
Decoding the Surgical Scene: A Scoping Review of Scene Graphs in Surgery
par: Henriques, Angelo, et autres
Publié: (2025)
par: Henriques, Angelo, et autres
Publié: (2025)
Context in object detection: a systematic literature review
par: Jamali, Mahtab, et autres
Publié: (2025)
par: Jamali, Mahtab, et autres
Publié: (2025)
Mask-Conditioned Voxel Diffusion for Joint Geometry and Color Inpainting
par: Sumuk, Aarya
Publié: (2026)
par: Sumuk, Aarya
Publié: (2026)
Pedestrian Detection in Low-Light Conditions: A Comprehensive Survey
par: Ghari, Bahareh, et autres
Publié: (2024)
par: Ghari, Bahareh, et autres
Publié: (2024)
FlowIBR: Leveraging Pre-Training for Efficient Neural Image-Based Rendering of Dynamic Scenes
par: Büsching, Marcel, et autres
Publié: (2023)
par: Büsching, Marcel, et autres
Publié: (2023)
Towards a Generalizable Fusion Architecture for Multimodal Object Detection
par: Berjawi, Jad, et autres
Publié: (2025)
par: Berjawi, Jad, et autres
Publié: (2025)
EmoVerse: A MLLMs-Driven Emotion Representation Dataset for Interpretable Visual Emotion Analysis
par: Guo, Yijie, et autres
Publié: (2025)
par: Guo, Yijie, et autres
Publié: (2025)
SCA-Net: Spatial-Contextual Aggregation Network for Enhanced Small Building and Road Change Detection
par: Gholibeigi, Emad, et autres
Publié: (2026)
par: Gholibeigi, Emad, et autres
Publié: (2026)
Synthetic-Child: An AIGC-Based Synthetic Data Pipeline for Privacy-Preserving Child Posture Estimation
par: Zeng, Taowen
Publié: (2026)
par: Zeng, Taowen
Publié: (2026)
Exploring Surround-View Fisheye Camera 3D Object Detection
par: Li, Changcai, et autres
Publié: (2025)
par: Li, Changcai, et autres
Publié: (2025)
Vi-SAFE: A Spatial-Temporal Framework for Efficient Violence Detection in Public Surveillance
par: Chang, Ligang, et autres
Publié: (2025)
par: Chang, Ligang, et autres
Publié: (2025)
A Reverse Causal Framework to Mitigate Spurious Correlations for Debiasing Scene Graph Generation
par: Sun, Shuzhou, et autres
Publié: (2025)
par: Sun, Shuzhou, et autres
Publié: (2025)
Action Anticipation from SoccerNet Football Video Broadcasts
par: Dalal, Mohamad, et autres
Publié: (2025)
par: Dalal, Mohamad, et autres
Publié: (2025)
Documents similaires
-
CLIP-Joint-Detect: End-to-End Joint Training of Object Detectors with Contrastive Vision-Language Supervision
par: Raoufi, Behnam, et autres
Publié: (2025) -
Gaussian Splatting: 3D Reconstruction and Novel View Synthesis, a Review
par: Dalal, Anurag, et autres
Publié: (2024) -
From eye to AI: studying rodent social behavior in the era of machine Learning
par: Chindemi, Giuseppe, et autres
Publié: (2025) -
Pixel-Level Pavement Distress Assessment Using Instance Segmentation
par: Dewick, Logan, et autres
Publié: (2026) -
A Vision-Language Model for Focal Liver Lesion Classification
par: Jian, Song, et autres
Publié: (2025)