PulseAugur
中
实时 08:06:37
English(EN) UniTranslator: A Unified Multi-modal Framework for End-to-end In-Image Machine Translation

UniTranslator框架提升图像内机器翻译能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了UniTranslator，一个新颖的统一多模态框架，专为端到端的图像内机器翻译（IIMT）设计。该框架通过紧密结合翻译理解与文本编辑能力，解决了IIMT中的关键挑战，如理解-生成冲突和空间错位。UniTranslator包含一个理解-生成对齐模块（UGAM），以确保预测翻译与渲染文本之间的语义一致性，以及一个空间掩码解码器（SMD），以改进空间定位和布局控制。实验表明，UniTranslator在各种基准测试中取得了最先进的性能，证明了统一多模态学习对IIMT的益处。 AI

影响 该框架可以提高图像内文本翻译的准确性和视觉保真度，惠及增强现实和本地化内容等应用。

排序理由 该集群包含一篇详细介绍特定AI任务新框架的研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

UniTranslator框架提升图像内机器翻译能力

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
该集群包含一篇详细介绍特定AI任务新框架的研究论文。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
134 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Jiahao Lyu, Pei Fu, Zhenhang Li, Shaojie Zhang, Jiahui Yang, Yu Zhou, Can Ma, Zhenbo Luo, Jian Luan ·

    UniTranslator：一种用于端到端图像内机器翻译的统一多模态框架

    arXiv:2606.24333v1 Announce Type: new Abstract: In-Image Machine Translation (IIMT) aims to translate scene text in an image and render the translated text back into the original regions while preserving the overall visual appearance. Recent unified multimodal models provide a pr…

  2. arXiv cs.CV TIER_1 English(EN) · Jian Luan ·

    UniTranslator：统一的多模态框架，实现端到端图像内机器翻译

    In-Image Machine Translation (IIMT) aims to translate scene text in an image and render the translated text back into the original regions while preserving the overall visual appearance. Recent unified multimodal models provide a promising solution by combining visual-text unders…

相关实体

相关话题