TransAnyText

新框架应对电子商务图像文本生成和编辑

两篇新研究论文介绍了处理电子商务图像中文本的新颖框架。TransAnyText 提出了一种结构化视觉代码方法，生成可渲染的 HTML 补丁，将语义理解与像素渲染分离，并采用包括监督微调和强化学习在内的多阶段训练过程。PosterText 通过将文本补丁视为原子单元，为电子商务海报的生成和编辑提供了统一的任务表述，并采用了包括文本渲染预训练和用于偏好对齐的强化学习在内的四阶段课程。