ROSA: Addressing text understanding challenges in photographs via ROtated SAmpling | ||
| dc.conicet.fuente | individual | |
| dc.conicet.organizacion | Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba | |
| dc.conicet.organizacion | Fundación Via Libre | |
| dc.conicet.organizacion | Universidad Nacional de Córdoba | |
| dc.conicet.organizacion | Universidad Nacional de Córdoba | |
| dc.conicet.organizacion | Universidad Nacional de Córdoba | |
| dc.conicet.organizacion | Mercado Libre | |
| dc.conicet.organizacion | Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.produccionid | 12813892 | |
| dc.contributor.author | Maina, Hernán Javier | |
| dc.contributor.author | Ivetta, Guido | |
| dc.contributor.author | Lione Stuto, Mateo | |
| dc.contributor.author | Eisenschlos, Julian | |
| dc.contributor.author | Sánchez, Jorge | |
| dc.contributor.author | Benotti, Luciana | |
| dc.date.accessioned | 2026-03-20T14:16:37Z | |
| dc.date.available | 2026-03-20T14:16:37Z | |
| dc.date.issued | 2025-06 | |
| dc.date.updated | 2026-03-17T11:11:53Z | |
| dc.description.abstract | Visually impaired people could benefit from Visual Question Answering (VQA) systems to interpret text in their surroundings. However, current models often struggle with recognizing text in the photos taken by this population. Through in-depth interviews with visually impaired individuals, we identified common framing conventions that frequently result in misaligned text. Existing VQA benchmarks primarily feature well-oriented text captured by sighted users, under-representing these challenges. To address this gap, we introduce ROtated SAmpling (ROSA), a decoding strategy that enhances VQA performance in text-rich images with incorrectly oriented text. ROSA outperforms Greedy decoding by 11.7 absolute points in the best-performing model. | es |
| dc.description.fil | Fil: Maina, Hernán Javier. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina | |
| dc.description.fil | Fil: Ivetta, Guido. Fundación Via Libre; Argentina. Universidad Nacional de Córdoba; Argentina | |
| dc.description.fil | Fil: Lione Stuto, Mateo. Universidad Nacional de Córdoba; Argentina | |
| dc.description.fil | Fil: Eisenschlos, Julian. Universidad Nacional de Córdoba; Argentina | |
| dc.description.fil | Fil: Sánchez, Jorge. Mercado Libre; Argentina | |
| dc.description.fil | Fil: Benotti, Luciana. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía y Física; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Maina, Hernán Javier; Ivetta, Guido; Lione Stuto, Mateo; Eisenschlos, Julian; Sánchez, Jorge; et al.; ROSA: Addressing text understanding challenges in photographs via ROtated SAmpling; Cornell University; arXiv; 6-2025; 1-13 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 2331-8422 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/283668 | |
| dc.journal.ciudad | Ithaca | es |
| dc.journal.pagination | 1-13 | es |
| dc.journal.pais | Estados Unidos | es |
| dc.journal.title | arXiv | es |
| dc.language.iso | eng | es |
| dc.publisher | Cornell University | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.48550/arXiv.2506.03665 | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://arxiv.org/abs/2506.03665 | |
| dc.rights | info:eu-repo/semantics/openAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-sa/2.5/ar/ | * |
| dc.subject | VISUAL QUESTION ANSWERING | es |
| dc.subject | IMPAIRED PEOPLE | es |
| dc.subject | DECODING STRATEGIES | es |
| dc.subject | TEXT ORIENTATION | es |
| dc.subject.classification | Ciencias de la Computación | es |
| dc.subject.classification | Ciencias de la Computación e Información | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | ROSA: Addressing text understanding challenges in photographs via ROtated SAmpling | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.65b445ef-e923-4da4-8580-d614b9bca8cf_B.pdf
- Tamaño:
- 1.63 MB
- Formato:
- Adobe Portable Document Format