复旦提出 FlowTranslator:免训练扩散编辑实现图像内文字翻译
Fudan-University · hf · 2026-11-04
复旦大学发布 FlowTranslator,一个免训练的图像内机器翻译框架。
- 目标是 in-image machine translation:直接把图片中的外文文字替换为译文,配图展示路牌、标牌、商品包装等多场景英→中翻译效果(如 CAUTION DUCKS→注意鸭子、POCKET FLASH→口袋闪存)。
- 方法利用扩散模型轨迹控制进行基于流的图像编辑,在保留原图视觉内容的同时生成准确的翻译文字。
- 全程无需配对训练数据,免去了传统方案的训练成本。
对多模态图像编辑与翻译应用是有实用价值的免训练方案。
「多模态」频道最新
- Seedance 2.5 生成「离谱版 Malfoy」视频，效果惊人 — nikola_mr64990 · 2026-11-04
- 免费课程：生成式媒体 Agent 的四大生产难题与解法 — Al_Grigor · 2026-11-04
- PixelBench：用逐像素生成取代 QA,重新测多模态模型 — bdsqlsz · 2026-11-04
- 开源 Kitten-TTS 2 语音克隆：954MB 免 GPU 笔记本可跑 — solyarisoftware · 2026-11-04
- 「2030 年旧金山我们来收你的内存」：全本地硬件生成的赛博朋克短片 — Wonderful-Yak-3348 · 2026-11-04
- 开源视频 agent Openfilm 走红：让任意编码 agent 变视频制作器 — solyarisoftware · 2026-11-04