视觉大模型 / VLM

Unified Diffusion Transformer for High-fidelity Text-Aware Image Restoration

统一扩散变压器用于高质量文本感知图像恢复

Jin Hyeon Kim, Paul Hyunbin Cho, Claire Kim, Jaewon Min, Jaeeun Lee, Jihye Park, Yeji Choi, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Samsung Electronics（三星电子） 纠错

专题命中 文档图表理解 ：vision-language model(abstract)；VLM(abstract)；分类 cs.CV

AI总结 UniT通过整合扩散变压器、视觉-语言模型和文本识别模块，实现高质量文本感知图像恢复，有效抑制文本幻觉并取得最佳性能。