Buchumschlag

Shape-Guided Diffusion with Inside-Outside Attention

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Dong Huk, Luo, Grace, Toste, Clayton, Azadi, Samaneh, Liu, Xihui, Karalashvili, Maka, Rohrbach, Anna, Darrell, Trevor
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Diffusion Hyperfeatures: Searching Through Time and Space for Semantic Correspondence
von: Luo, Grace, et al.
Veröffentlicht: (2023)

Readout Guidance: Learning Control from Diffusion Features
von: Luo, Grace, et al.
Veröffentlicht: (2023)

Vision-Language Models Create Cross-Modal Task Representations
von: Luo, Grace, et al.
Veröffentlicht: (2024)

Dual-Process Image Generation
von: Luo, Grace, et al.
Veröffentlicht: (2025)

V$^2$Dial: Unification of Video and Visual Dialog via Multimodal Experts
von: Abdessaied, Adnen, et al.
Veröffentlicht: (2025)

LLM-grounded Diffusion: Enhancing Prompt Understanding of Text-to-Image Diffusion Models with Large Language Models
von: Lian, Long, et al.
Veröffentlicht: (2023)

DEFAME: Dynamic Evidence-based FAct-checking with Multimodal Experts
von: Braun, Tobias, et al.
Veröffentlicht: (2024)

Diffusion Classifiers Understand Compositionality, but Conditions Apply
von: Jeong, Yujin, et al.
Veröffentlicht: (2025)

Chrono: A Simple Blueprint for Representing Time in MLLMs
von: Rodriguez, Hector, et al.
Veröffentlicht: (2024)

Tuning Just Enough: Lightweight Backdoor Attacks on Multi-Encoder Diffusion Models
von: Chen, Ziyuan, et al.
Veröffentlicht: (2026)

Segment Anything without Supervision
von: Wang, XuDong, et al.
Veröffentlicht: (2024)

VeriTaS: The First Dynamic Benchmark for Multimodal Automated Fact-Checking
von: Rothermel, Mark, et al.
Veröffentlicht: (2026)

Generating Multi-Image Synthetic Data for Text-to-Image Customization
von: Kumari, Nupur, et al.
Veröffentlicht: (2025)

UnSAMv2: Self-Supervised Learning Enables Segment Anything at Any Granularity
von: Yu, Junwei, et al.
Veröffentlicht: (2025)

MotiF: Making Text Count in Image Animation with Motion Focal Loss
von: Wang, Shijie, et al.
Veröffentlicht: (2024)

When Do Diffusion Models learn to Generate Multiple Objects?
von: Jeong, Yujin, et al.
Veröffentlicht: (2026)

HaloProbe: Bayesian Detection and Mitigation of Object Hallucinations in Vision-Language Models
von: Zohrabi, Reihaneh, et al.
Veröffentlicht: (2026)

LLM-grounded Video Diffusion Models
von: Lian, Long, et al.
Veröffentlicht: (2023)

Spurious-Aware Prototype Refinement for Reliable Out-of-Distribution Detection
von: Zohrabi, Reihaneh, et al.
Veröffentlicht: (2025)

Constantly Improving Image Models Need Constantly Improving Benchmarks
von: Ge, Jiaxin, et al.
Veröffentlicht: (2025)

It's Never Too Late: Noise Optimization for Collapse Recovery in Trained Diffusion Models
von: Harrington, Anne, et al.
Veröffentlicht: (2025)

InstanceDiffusion: Instance-level Control for Image Generation
von: Wang, Xudong, et al.
Veröffentlicht: (2024)

Reconstruction Alignment Improves Unified Multimodal Models
von: Xie, Ji, et al.
Veröffentlicht: (2025)

ODPG: Outfitting Diffusion with Pose Guided Condition
von: Lee, Seohyun, et al.
Veröffentlicht: (2025)

Diffree: Text-Guided Shape Free Object Inpainting with Diffusion Model
von: Zhao, Lirui, et al.
Veröffentlicht: (2024)

Vector Quantized Feature Fields for Fast 3D Semantic Lifting
von: Tang, George, et al.
Veröffentlicht: (2025)

Finding Visual Task Vectors
von: Hojel, Alberto, et al.
Veröffentlicht: (2024)

When Do We Not Need Larger Vision Models?
von: Shi, Baifeng, et al.
Veröffentlicht: (2024)

SIEVES: Selective Prediction Generalizes through Visual Evidence Scoring
von: Rodriguez, Hector G., et al.
Veröffentlicht: (2026)

Prompt2Perturb (P2P): Text-Guided Diffusion-Based Adversarial Attacks on Breast Ultrasound Images
von: Medghalchi, Yasamin, et al.
Veröffentlicht: (2024)

RAGSR: Regional Attention Guided Diffusion for Image Super-Resolution
von: He, Haodong, et al.
Veröffentlicht: (2025)

UniMC: Taming Diffusion Transformer for Unified Keypoint-Guided Multi-Class Image Generation
von: Guo, Qin, et al.
Veröffentlicht: (2025)

LaCon: Late-Constraint Diffusion for Steerable Guided Image Synthesis
von: Liu, Chang, et al.
Veröffentlicht: (2023)

Coherent Video Inpainting Using Optical Flow-Guided Efficient Diffusion
von: Gu, Bohai, et al.
Veröffentlicht: (2024)

4Diffusion: Multi-view Video Diffusion Model for 4D Generation
von: Zhang, Haiyu, et al.
Veröffentlicht: (2024)

Visual Lexicon: Rich Image Features in Language Space
von: Wang, XuDong, et al.
Veröffentlicht: (2024)

Attention Frequency Modulation: Training-Free Spectral Modulation of Diffusion Cross-Attention
von: Oh, Seunghun, et al.
Veröffentlicht: (2026)

Atlas: Multi-Scale Attention Improves Long Context Image Modeling
von: Agrawal, Kumar Krishna, et al.
Veröffentlicht: (2025)

Neural Network Diffusion
von: Wang, Kai, et al.
Veröffentlicht: (2024)

Hidden in plain sight: VLMs overlook their visual representations
von: Fu, Stephanie, et al.
Veröffentlicht: (2025)