Global-Local Dual Perception for MLLMs in High-Resolution Text-Rich Image Translation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Lu, Junxin, Song, Tengfei, Wu, Zhanglin, Li, Pengfei, Liang, Xiaowei, Yang, Hui, Chen, Kun, Xie, Ning, Lu, Yunfei, Zhao, Jing, Sun, Shiliang, Wei, Daimeng |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
A Causality-Aware Spatiotemporal Model for Multi-Region and Multi-Pollutant Air Quality Forecasting
par: Lu, Junxin, et autres
Publié: (2025)
par: Lu, Junxin, et autres
Publié: (2025)
Evaluating Menu OCR and Translation: A Benchmark for Aligning Human and Automated Evaluations in Large Vision-Language Models
par: Wu, Zhanglin, et autres
Publié: (2025)
par: Wu, Zhanglin, et autres
Publié: (2025)
Multimodal Machine Translation with Visual Scene Graph Pruning
par: Lu, Chenyu, et autres
Publié: (2025)
par: Lu, Chenyu, et autres
Publié: (2025)
DIMT25@ICDAR2025: HW-TSC's End-to-End Document Image Machine Translation System Leveraging Large Vision-Language Model
par: Wu, Zhanglin, et autres
Publié: (2025)
par: Wu, Zhanglin, et autres
Publié: (2025)
Memory Reviving, Continuing Learning and Beyond: Evaluation of Pre-trained Encoders and Decoders for Multimodal Machine Translation
par: Yu, Zhuang, et autres
Publié: (2025)
par: Yu, Zhuang, et autres
Publié: (2025)
Choose the Final Translation from NMT and LLM hypotheses Using MBR Decoding: HW-TSC's Submission to the WMT24 General MT Shared Task
par: Wu, Zhanglin, et autres
Publié: (2024)
par: Wu, Zhanglin, et autres
Publié: (2024)
HW-TSC's Submission to the CCMT 2024 Machine Translation Tasks
par: Wu, Zhanglin, et autres
Publié: (2024)
par: Wu, Zhanglin, et autres
Publié: (2024)
LEMON: How Well Do MLLMs Perform Temporal Multimodal Understanding on Instructional Videos?
par: Yu, Zhuang, et autres
Publié: (2026)
par: Yu, Zhuang, et autres
Publié: (2026)
PromptEVC: Controllable Emotional Voice Conversion with Natural Language Prompts
par: Qi, Tianhua, et autres
Publié: (2025)
par: Qi, Tianhua, et autres
Publié: (2025)
R-BI: Regularized Batched Inputs enhance Incremental Decoding Framework for Low-Latency Simultaneous Speech Translation
par: Guo, Jiaxin, et autres
Publié: (2024)
par: Guo, Jiaxin, et autres
Publié: (2024)
Combining the Best of Both Worlds: A Method for Hybrid NMT and LLM Translation
par: Wu, Zhanglin, et autres
Publié: (2025)
par: Wu, Zhanglin, et autres
Publié: (2025)
Context-aware and Style-related Incremental Decoding framework for Discourse-Level Literary Translation
par: Luo, Yuanchang, et autres
Publié: (2024)
par: Luo, Yuanchang, et autres
Publié: (2024)
MCAT: Scaling Many-to-Many Speech-to-Text Translation with MLLMs to 70 Languages
par: Du, Yexing, et autres
Publié: (2025)
par: Du, Yexing, et autres
Publié: (2025)
FCNR: Fast Compressive Neural Representation of Visualization Images
par: Lu, Yunfei, et autres
Publié: (2024)
par: Lu, Yunfei, et autres
Publié: (2024)
Text-Phase Synergy Network with Dual Priors for Unsupervised Cross-Domain Image Retrieval
par: Yang, Jing, et autres
Publié: (2026)
par: Yang, Jing, et autres
Publié: (2026)
Machine Translation Advancements of Low-Resource Indian Languages by Transfer Learning
par: Wei, Bin, et autres
Publié: (2024)
par: Wei, Bin, et autres
Publié: (2024)
DoCIA: An Online Document-Level Context Incorporation Agent for Speech Translation
par: Lyu, Xinglin, et autres
Publié: (2025)
par: Lyu, Xinglin, et autres
Publié: (2025)
Free-MoRef: Instantly Multiplexing Context Perception Capabilities of Video-MLLMs within Single Inference
par: Wang, Kuo, et autres
Publié: (2025)
par: Wang, Kuo, et autres
Publié: (2025)
Align-then-Slide: A complete evaluation framework for Ultra-Long Document-Level Machine Translation
par: Guo, Jiaxin, et autres
Publié: (2025)
par: Guo, Jiaxin, et autres
Publié: (2025)
Bridging Local Details and Global Context in Text-Attributed Graphs
par: Wang, Yaoke, et autres
Publié: (2024)
par: Wang, Yaoke, et autres
Publié: (2024)
From Pixels to Objects: A Hierarchical Approach for Part and Object Segmentation Using Local and Global Aggregation
par: Xie, Yunfei, et autres
Publié: (2024)
par: Xie, Yunfei, et autres
Publié: (2024)
Doc-Guided Sent2Sent++: A Sent2Sent++ Agent with Doc-Guided memory for Document-level Machine Translation
par: Guo, Jiaxin, et autres
Publié: (2025)
par: Guo, Jiaxin, et autres
Publié: (2025)
Struct2D: A Perception-Guided Framework for Spatial Reasoning in MLLMs
par: Zhu, Fangrui, et autres
Publié: (2025)
par: Zhu, Fangrui, et autres
Publié: (2025)
From Text to Pixel: Advancing Long-Context Understanding in MLLMs
par: Lu, Yujie, et autres
Publié: (2024)
par: Lu, Yujie, et autres
Publié: (2024)
TiO 2 ‐Engineered MOFs Activate Electron‐Rich Ni Sites for Efficient and Durable Hydrogen Production
par: Tao Liang, et autres
Publié: (2026)
par: Tao Liang, et autres
Publié: (2026)
Enhanced Differential Evolution Based on Adaptive Mutation and Wrapper Local Search Strategies for Global Optimization Problems
par: Chun-Liang Lu
Publié: (2014)
par: Chun-Liang Lu
Publié: (2014)
Global-Local Stepwise Generative Network for Ultra High-Resolution Image Restoration
par: Feng, Xin, et autres
Publié: (2022)
par: Feng, Xin, et autres
Publié: (2022)
Perception or Prejudice: Can MLLMs Go Beyond First Impressions of Personality?
par: Kang, Caixin, et autres
Publié: (2026)
par: Kang, Caixin, et autres
Publié: (2026)
PEAN: A Diffusion-Based Prior-Enhanced Attention Network for Scene Text Image Super-Resolution
par: Zhao, Zuoyan, et autres
Publié: (2023)
par: Zhao, Zuoyan, et autres
Publié: (2023)
Linking Perception, Confidence and Accuracy in MLLMs
par: Du, Yuetian, et autres
Publié: (2026)
par: Du, Yuetian, et autres
Publié: (2026)
BovWGS-Pipeline
par: Gao, Junxin
Publié: (2026)
par: Gao, Junxin
Publié: (2026)
Object-Driven One-Shot Fine-tuning of Text-to-Image Diffusion with Prototypical Embedding
par: Lu, Jianxiang, et autres
Publié: (2024)
par: Lu, Jianxiang, et autres
Publié: (2024)
MMPerspective: Do MLLMs Understand Perspective? A Comprehensive Benchmark for Perspective Perception, Reasoning, and Robustness
par: Tang, Yolo Y., et autres
Publié: (2025)
par: Tang, Yolo Y., et autres
Publié: (2025)
Global existence, blowup phenomena, and asymptotic behavior for quasilinear Schrödinger equations
par: An, Xiaowei, et autres
Publié: (2018)
par: An, Xiaowei, et autres
Publié: (2018)
CodePercept: Code-Grounded Visual STEM Perception for MLLMs
par: Guan, Tongkun, et autres
Publié: (2026)
par: Guan, Tongkun, et autres
Publié: (2026)
Med-Scout: Curing MLLMs' Geometric Blindness in Medical Perception via Geometry-Aware RL Post-Training
par: Liu, Anglin, et autres
Publié: (2026)
par: Liu, Anglin, et autres
Publié: (2026)
Spatial Preference Rewarding for MLLMs Spatial Understanding
par: Qiu, Han, et autres
Publié: (2025)
par: Qiu, Han, et autres
Publié: (2025)
A Dual-Branch Local-Global Framework for Cross-Resolution Land Cover Mapping
par: Gao, Peng, et autres
Publié: (2025)
par: Gao, Peng, et autres
Publié: (2025)
From Local Cues to Global Percepts: Emergent Gestalt Organization in Self-Supervised Vision Models
par: Li, Tianqin, et autres
Publié: (2025)
par: Li, Tianqin, et autres
Publié: (2025)
Text-Video Retrieval With Global-Local Contrastive Consistency Learning
par: Jing, Xiaolun, et autres
Publié: (2026)
par: Jing, Xiaolun, et autres
Publié: (2026)
Documents similaires
-
A Causality-Aware Spatiotemporal Model for Multi-Region and Multi-Pollutant Air Quality Forecasting
par: Lu, Junxin, et autres
Publié: (2025) -
Evaluating Menu OCR and Translation: A Benchmark for Aligning Human and Automated Evaluations in Large Vision-Language Models
par: Wu, Zhanglin, et autres
Publié: (2025) -
Multimodal Machine Translation with Visual Scene Graph Pruning
par: Lu, Chenyu, et autres
Publié: (2025) -
DIMT25@ICDAR2025: HW-TSC's End-to-End Document Image Machine Translation System Leveraging Large Vision-Language Model
par: Wu, Zhanglin, et autres
Publié: (2025) -
Memory Reviving, Continuing Learning and Beyond: Evaluation of Pre-trained Encoders and Decoders for Multimodal Machine Translation
par: Yu, Zhuang, et autres
Publié: (2025)