FlowTranslator：基于流式编辑的免训练图像内机器翻译
FlowTranslator 可翻译图像中的文字，同时保留周围的视觉语境，无需针对该任务训练专用模型。它利用 OCR 和大语言模型生成翻译提示，再输入扩散模型，并通过两种控制机制引导编辑过程，以生成准确、自然的文字。在 EasyOCR 回读评测中，该方法取得 20.6 的 PRIM BLEU 和 57.2 的 COMET，超过了表现强劲的训练式基线 UniTranslator。在更具挑战性的场景照片中，将文字翻译成中文时，完全匹配准确率达到 40.1%。结果表明，基于流式编辑的方法可成为图像内机器翻译的有力免训练基线。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。