Buchumschlag

LLM-grounded Diffusion: Enhancing Prompt Understanding of Text-to-Image Diffusion Models with Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lian, Long, Li, Boyi, Yala, Adam, Darrell, Trevor
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

Describe Anything: Detailed Localized Image and Video Captioning
von: Lian, Long, et al.
Veröffentlicht: (2025)

TULIP: Towards Unified Language-Image Pretraining
von: Tang, Zineng, et al.
Veröffentlicht: (2025)

Rethinking Patch Dependence for Masked Autoencoders
von: Fu, Letian, et al.
Veröffentlicht: (2024)

CoMPaSS: Enhancing Spatial Understanding in Text-to-Image Diffusion Models
von: Zhang, Gaoyang, et al.
Veröffentlicht: (2024)

Contrastive Prompts Improve Disentanglement in Text-to-Image Diffusion Models
von: Wu, Chen, et al.
Veröffentlicht: (2024)

Prompt Optimizer of Text-to-Image Diffusion Models for Abstract Concept Understanding
von: Fan, Zezhong, et al.
Veröffentlicht: (2024)

EDITOR: Effective and Interpretable Prompt Inversion for Text-to-Image Diffusion Models
von: Li, Mingzhe, et al.
Veröffentlicht: (2025)

Exploring the Role of Large Language Models in Prompt Encoding for Diffusion Models
von: Ma, Bingqi, et al.
Veröffentlicht: (2024)

Supercharged One-step Text-to-Image Diffusion Models with Negative Prompts
von: Nguyen, Viet, et al.
Veröffentlicht: (2024)

Dynamic Prompting of Frozen Text-to-Image Diffusion Models for Panoptic Narrative Grounding
von: Li, Hongyu, et al.
Veröffentlicht: (2024)

Discovering Divergent Representations between Text-to-Image Models
von: Dunlap, Lisa, et al.
Veröffentlicht: (2025)

Towards Understanding the Working Mechanism of Text-to-Image Diffusion Model
von: Yi, Mingyang, et al.
Veröffentlicht: (2024)

Compositional Chain-of-Thought Prompting for Large Multimodal Models
von: Mitra, Chancharik, et al.
Veröffentlicht: (2023)

ARTIST: Improving the Generation of Text-rich Images with Disentangled Diffusion Models and Large Language Models
von: Zhang, Jianyi, et al.
Veröffentlicht: (2024)

Image Super-Resolution with Text Prompt Diffusion
von: Chen, Zheng, et al.
Veröffentlicht: (2023)

LLaDA-MedV: Exploring Large Language Diffusion Models for Biomedical Image Understanding
von: Dong, Xuanzhao, et al.
Veröffentlicht: (2025)

Exploring the Deep Fusion of Large Language Models and Diffusion Transformers for Text-to-Image Synthesis
von: Tang, Bingda, et al.
Veröffentlicht: (2025)

DreamDrone: Text-to-Image Diffusion Models are Zero-shot Perpetual View Generators
von: Kong, Hanyang, et al.
Veröffentlicht: (2023)

Disciplined Diffusion: Text-to-Image Diffusion Model against NSFW Generation
von: Zhang, Chi, et al.
Veröffentlicht: (2026)

Debiasing Text-to-Image Diffusion Models
von: He, Ruifei, et al.
Veröffentlicht: (2024)

Learning from Mistakes: Iterative Prompt Relabeling for Text-to-Image Diffusion Model Training
von: Chen, Xinyan, et al.
Veröffentlicht: (2023)

Prompting4Debugging: Red-Teaming Text-to-Image Diffusion Models by Finding Problematic Prompts
von: Chin, Zhi-Yi, et al.
Veröffentlicht: (2023)

Equipping Diffusion Models with Differentiable Spatial Entropy for Low-Light Image Enhancement
von: Lian, Wenyi, et al.
Veröffentlicht: (2024)

Wuerstchen: An Efficient Architecture for Large-Scale Text-to-Image Diffusion Models
von: Pernias, Pablo, et al.
Veröffentlicht: (2023)

ECNet: Effective Controllable Text-to-Image Diffusion Models
von: Li, Sicheng, et al.
Veröffentlicht: (2024)

DesignDiffusion: High-Quality Text-to-Design Image Generation with Diffusion Models
von: Wang, Zhendong, et al.
Veröffentlicht: (2025)

Not All Prompts Are Made Equal: Prompt-based Pruning of Text-to-Image Diffusion Models
von: Ganjdanesh, Alireza, et al.
Veröffentlicht: (2024)

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

Attend Before Attention: Efficient and Scalable Video Understanding via Autoregressive Gazing
von: Shi, Baifeng, et al.
Veröffentlicht: (2026)

HD-Painter: High-Resolution and Prompt-Faithful Text-Guided Image Inpainting with Diffusion Models
von: Manukyan, Hayk, et al.
Veröffentlicht: (2023)

EMMA: Your Text-to-Image Diffusion Model Can Secretly Accept Multi-Modal Prompts
von: Han, Yucheng, et al.
Veröffentlicht: (2024)

Versatile Diffusion: Text, Images and Variations All in One Diffusion Model
von: Xu, Xingqian, et al.
Veröffentlicht: (2022)

Source Prompt Disentangled Inversion for Boosting Image Editability with Diffusion Models
von: Li, Ruibin, et al.
Veröffentlicht: (2024)

LaViDa: A Large Diffusion Language Model for Multimodal Understanding
von: Li, Shufan, et al.
Veröffentlicht: (2025)

Blending Concepts with Text-to-Image Diffusion Models
von: Olearo, Lorenzo, et al.
Veröffentlicht: (2025)

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

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

Pillar-0: A New Frontier for Radiology Foundation Models
von: Agrawal, Kumar Krishna, et al.
Veröffentlicht: (2025)