Buchumschlag

MMTIT-Bench: A Multilingual and Multi-Scenario Benchmark with Cognition-Perception-Reasoning Guided Text-Image Machine Translation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Gengluo, Zhang, Chengquan, Liang, Yupu, Shen, Huawen, Zhang, Yaping, Lyu, Pengyuan, Wang, Weinong, Wan, Xingyu, Zeng, Gangyan, Hu, Han, Ma, Can, Zhou, Yu
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

Towards Real-World Document Parsing via Realistic Scene Synthesis and Document-Aware Training
von: Li, Gengluo, et al.
Veröffentlicht: (2026)

Beyond Cropped Regions: New Benchmark and Corresponding Baseline for Chinese Scene Text Retrieval in Diverse Layouts
von: Li, Gengluo, et al.
Veröffentlicht: (2025)

Track the Answer: Extending TextVQA from Image to Video with Spatio-Temporal Clues
von: Zhang, Yan, et al.
Veröffentlicht: (2024)

LDP: Generalizing to Multilingual Visual Information Extraction by Language Decoupled Pretraining
von: Shen, Huawen, et al.
Veröffentlicht: (2024)

Towards Unified Multi-granularity Text Detection with Interactive Attention
von: Wan, Xingyu, et al.
Veröffentlicht: (2024)

Gather and Trace: Rethinking Video TextVQA from an Instance-oriented Perspective
von: Zhang, Yan, et al.
Veröffentlicht: (2025)

StrucTexTv3: An Efficient Vision-Language Model for Text-rich Image Perception, Comprehension, and Beyond
von: Lyu, Pengyuan, et al.
Veröffentlicht: (2024)

Recognition-Synergistic Scene Text Editing
von: Fang, Zhengyao, et al.
Veröffentlicht: (2025)

Chronicles-OCR: A Cross-Temporal Perception Benchmark for the Evolutionary Trajectory of Chinese Characters
von: Li, Gengluo, et al.
Veröffentlicht: (2026)

MINT-Bench: A Comprehensive Multilingual Benchmark for Instruction-Following Text-to-Speech
von: Chen, Huakang, et al.
Veröffentlicht: (2026)

WeCromCL: Weakly Supervised Cross-Modality Contrastive Learning for Transcription-only Supervised Text Spotting
von: Wu, Jingjing, et al.
Veröffentlicht: (2024)

Falcon-UI: Understanding GUI Before Following User Instructions
von: Shen, Huawen, et al.
Veröffentlicht: (2024)

Prune Redundancy, Preserve Essence: Vision Token Compression in VLMs via Synergistic Importance-Diversity
von: Fang, Zhengyao, et al.
Veröffentlicht: (2026)

IMTBench: A Multi-Scenario Cross-Modal Collaborative Evaluation Benchmark for In-Image Machine Translation
von: Lyu, Jiahao, et al.
Veröffentlicht: (2026)

TextBlockV2: Towards Precise-Detection-Free Scene Text Spotting with Pre-trained Language Model
von: Lyu, Jiahao, et al.
Veröffentlicht: (2024)

HiSciBench: A Hierarchical Multi-disciplinary Benchmark for Scientific Intelligence from Reading to Discovery
von: Zhang, Yaping, et al.
Veröffentlicht: (2025)

Towards Training-Free Scene Text Editing
von: Li, Yubo, et al.
Veröffentlicht: (2026)

EarthSpatialBench: Benchmarking Spatial Reasoning Capabilities of Multimodal LLMs on Earth Imagery
von: Xu, Zelin, et al.
Veröffentlicht: (2026)

Single-to-mix Modality Alignment with Multimodal Large Language Model for Document Image Machine Translation
von: Liang, Yupu, et al.
Veröffentlicht: (2025)

HunyuanOCR Technical Report
von: Hunyuan Vision Team, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Solving the Fleet Size and Mix Vehicle Routing Problem
von: Wan, Pengfu, et al.
Veröffentlicht: (2025)

ICDAR 2025 Competition on End-to-End Document Image Machine Translation Towards Complex Layouts
von: Zhang, Yaping, et al.
Veröffentlicht: (2026)

RepoTransBench: A Real-World Multilingual Benchmark for Repository-Level Code Translation
von: Wang, Yanli, et al.
Veröffentlicht: (2024)

Improving MLLM's Document Image Machine Translation via Synchronously Self-reviewing Its OCR Proficiency
von: Liang, Yupu, et al.
Veröffentlicht: (2025)

Safe, or Simply Incapable? Rethinking Safety Evaluation for Phone-Use Agents
von: Tang, Zhengyang, et al.
Veröffentlicht: (2026)

BankMathBench: A Benchmark for Numerical Reasoning in Banking Scenarios
von: Lee, Yunseung, et al.
Veröffentlicht: (2026)

PATIMT-Bench: A Multi-Scenario Benchmark for Position-Aware Text Image Machine Translation in Large Vision-Language Models
von: Zhuang, Wanru, et al.
Veröffentlicht: (2025)

DiningBench: A Hierarchical Multi-view Benchmark for Perception and Reasoning in the Dietary Domain
von: Jin, Song, et al.
Veröffentlicht: (2026)

Lingua-SafetyBench: A Benchmark for Safety Evaluation of Multilingual Vision-Language Models
von: Shi, Enyi, et al.
Veröffentlicht: (2026)

MDPBench: A Benchmark for Multilingual Document Parsing in Real-World Scenarios
von: Li, Zhang, et al.
Veröffentlicht: (2026)

MOSLD-Bench: Multilingual Open-Set Learning and Discovery Benchmark for Text Categorization
von: Costache, Adriana-Valentina, et al.
Veröffentlicht: (2026)

AirCopBench: A Benchmark for Multi-drone Collaborative Embodied Perception and Reasoning
von: Zha, Jirong, et al.
Veröffentlicht: (2025)

RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

Focus, Distinguish, and Prompt: Unleashing CLIP for Efficient and Flexible Scene Text Retrieval
von: Zeng, Gangyan, et al.
Veröffentlicht: (2024)

R2I-Bench: Benchmarking Reasoning-Driven Text-to-Image Generation
von: Chen, Kaijie, et al.
Veröffentlicht: (2025)

MPR-GUI: Benchmarking and Enhancing Multilingual Perception and Reasoning in GUI Agents
von: Chen, Ruihan, et al.
Veröffentlicht: (2025)

IV-Bench: A Benchmark for Image-Grounded Video Perception and Reasoning in Multimodal LLMs
von: Ma, David, et al.
Veröffentlicht: (2025)

TransBench: Benchmarking Machine Translation for Industrial-Scale Applications
von: Li, Haijun, et al.
Veröffentlicht: (2025)

VideoMarkBench: Benchmarking Robustness of Video Watermarking
von: Jiang, Zhengyuan, et al.
Veröffentlicht: (2025)

RTV-Bench: Benchmarking MLLM Continuous Perception, Understanding and Reasoning through Real-Time Video
von: Xun, Shuhang, et al.
Veröffentlicht: (2025)