論文の概要: Text Style Transfer with Machine Translation for Graphic Designs
- arxiv url: http://arxiv.org/abs/2604.26361v1
- Date: Wed, 29 Apr 2026 07:16:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.288042
- Title: Text Style Transfer with Machine Translation for Graphic Designs
- Title（参考訳）: 図形設計のための機械翻訳によるテキストスタイル変換
- Authors: Deergh Singh Budhauria, Sanyam Jain, Rishav Agarwal, Tracy King,
- Abstract要約: グラフィックデザインのグローバル化は、幅広い聴衆へのコミュニケーションにおいてますます重要になっている。
テキストスタイリングを保存するには、元のテキストと翻訳されたテキストの間に高精度な単語アライメントが必要である。
本稿では,ソースから翻訳テキストへテキストスタイルを転送するための単語アライメント問題に対処する3つの新しい手法について検討する。
- 参考スコア（独自算出の注目度）: 0.6299766708197881
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Globalization of graphic designs such as those used in marketing materials and magazines is increasingly important for communication to broad audiences. To accomplish this, the textual content in the graphic designs needs to be accurately translated and have the text styling preserved in order to fit visually into the design. Preserving text styling requires high accuracy word alignment between the original and the translated text. The problem of word alignment between source and translated text is long known. The industry standards for extracting word alignments are defined by Giza++ and attention probabilities from neural machine translation (NMT) models. In this paper, we explore three new methods to tackle the word alignment problem for transferring text styles from the source to the translated text. The proposed methods are developed on top of commercially available NMT and LLM translation technologies. They include: NMT with custom input and output tags for text styling; LLM with custom input and output tags; a hybrid with NMT for translation followed by an LLM with use of unigram mappings. To analyze the performance of these solutions, their alignment results are compared with the results of an attention head approach to gauge their usability in graphic design applications. Interestingly, the attention head strong baseline proves more accurate than the LLM or NMT approach and on par with the hybrid NMT+LLM approach.
- Abstract（参考訳）: マーケティング材料や雑誌で使用されるようなグラフィックデザインのグローバル化は、幅広い読者へのコミュニケーションにおいてますます重要になっている。
これを実現するために、グラフィックデザインのテキスト内容は正確に翻訳され、デザインに視覚的にフィットするためにテキストスタイリングが保存される必要がある。
テキストスタイリングを保存するには、元のテキストと翻訳されたテキストの間に高精度な単語アライメントが必要である。
ソースと翻訳テキスト間の単語アライメントの問題は長く知られている。
ワードアライメントを抽出するための業界標準は、Giza++と、ニューラルマシン翻訳(NMT)モデルによるアテンション確率によって定義されている。
本稿では,ソースから翻訳テキストへテキストスタイルを転送するための単語アライメント問題に対処する3つの新しい手法について検討する。
提案手法は市販のNMTおよびLLM翻訳技術に基づいて開発されている。
テキストスタイリング用のカスタムインプットとアウトプットタグを備えたNMT、カスタムインプットとアウトプットタグを備えたLLM、翻訳用のNMTとのハイブリッド、ユニグラムマッピングを使用したLLM。
これらのソリューションの性能を解析するために、それらのアライメント結果を、グラフィックデザインアプリケーションにおけるユーザビリティを計測するためのアライメントヘッドアプローチの結果と比較する。
興味深いことに、注目ヘッド強度ベースラインはLLM法やNMT法よりも精度が高く、ハイブリッドNMT+LLM法と同等である。
関連論文リスト
- Global-Local Dual Perception for MLLMs in High-Resolution Text-Rich Image Translation [39.52909851398792]
Text Image Machine Translationは、ソース言語で画像に埋め込まれたテキストをターゲット言語に変換することを目的としている。
既存のTIMT法は、乱雑なレイアウト、多様なフォント、非テキストの注意散らしなどにより、高解像度のテキストリッチな画像に苦しむ。
MLLMベースのTIMTのためのグローバルなデュアル視覚認識フレームワークであるGLoTranを提案する。
論文 参考訳（メタデータ） (2026-02-25T14:38:47Z) - Knowing Where to Focus: Attention-Guided Alignment for Text-based Person Search [64.15205542003056]
本稿では,AGM(Atention-Guided Mask)モデリングとTEM(Text Enrichment Module)という,2つの革新的なコンポーネントを備えたAGA(Atention-Guided Alignment)フレームワークを紹介する。
AGA は CUHK-PEDES と ICFG-PEDES と RSTP でそれぞれ78.36%、67.31%、67.4% に達した。
論文 参考訳（メタデータ） (2024-12-19T17:51:49Z) - Towards Visual Text Design Transfer Across Languages [49.78504488452978]
マルチモーダル・スタイル翻訳(MuST-Bench)の新たな課題について紹介する。
MuST-Benchは、視覚テキスト生成モデルが様々な書き込みシステム間で翻訳を行う能力を評価するために設計されたベンチマークである。
そこで我々は,スタイル記述の必要性を解消する多モーダルなスタイル翻訳フレームワークであるSIGILを紹介した。
論文 参考訳（メタデータ） (2024-10-24T15:15:01Z) - TextMastero: Mastering High-Quality Scene Text Editing in Diverse Languages and Styles [12.182588762414058]
シーンテキスト編集は、オリジナルのように新たに生成されたテキストのスタイルを維持しながら、画像上のテキストを変更することを目的としている。
最近の研究は拡散モデルを活用し、改善された結果を示しているが、依然として課題に直面している。
emphTextMastero - 潜時拡散モデル(LDM)に基づく多言語シーンテキスト編集アーキテクチャを慎重に設計した。
論文 参考訳（メタデータ） (2024-08-20T08:06:09Z) - AnyTrans: Translate AnyText in the Image with Large Scale Models [88.5887934499388]
本稿では、画像中のタスク翻訳AnyText(TATI)のためのオール・エンコンパス・フレームワークであるAnyTransを紹介する。
我々のフレームワークは、翻訳中にテキスト要素と視覚要素の両方から文脈的手がかりを取り入れている。
6つの言語対の多言語テキスト画像翻訳データからなるMTIT6というテストデータセットを精巧にコンパイルした。
論文 参考訳（メタデータ） (2024-06-17T11:37:48Z) - Cross-modality Data Augmentation for End-to-End Sign Language Translation [66.46877279084083]
エンドツーエンド手話翻訳(SLT)は、手話動画を中間表現なしで直接音声言語テキストに変換することを目的としている。
署名ビデオとテキスト間のモダリティのギャップとラベル付きデータの不足のため、これは難しい課題だった。
本稿では,強力な光沢からテキストへの翻訳機能をエンドツーエンドの手話翻訳に変換するための,新しいクロスモダリティデータ拡張(XmDA)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-18T16:34:18Z) - Gaussian Multi-head Attention for Simultaneous Machine Translation [21.03142288187605]
同時機械翻訳(SiMT)は、ストリーミングソース入力を受信しながら翻訳を出力する。
我々は、アライメントと翻訳を統一的にモデル化し、新しいSiMTポリシーを提案する。
En-ViタスクとDe-Enタスクの実験により、我々の手法は翻訳とレイテンシのトレードオフにおいて強いベースラインを上回ります。
論文 参考訳（メタデータ） (2022-03-17T04:01:25Z) - Enhanced Modality Transition for Image Captioning [51.72997126838352]
MTM(Modality Transition Module)を構築し、言語モデルに転送する前に視覚的機能をセマンティック表現に転送します。
トレーニング段階では、モダリティ遷移ネットワークは提案されたモダリティ損失によって最適化される。
提案手法の有効性を示すMS-COCOデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2021-02-23T07:20:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。