Buchumschlag

DiffCLIP: Leveraging Stable Diffusion for Language Grounded 3D Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shen, Sitian, Zhu, Zilin, Fan, Linqian, Zhang, Harry, Wu, Xinxiao
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

DiffCLIP: Few-shot Language-driven Multimodal Classifier
von: Zhang, Jiaqing, et al.
Veröffentlicht: (2024)

DiffCLIP: Differential Attention Meets CLIP
von: Hammoud, Hasan Abed Al Kader, et al.
Veröffentlicht: (2025)

Video Summarization using Denoising Diffusion Probabilistic Model
von: Shang, Zirui, et al.
Veröffentlicht: (2024)

H2OFlow: Grounding Human-Object Affordances with 3D Generative Models and Dense Diffused Flows
von: Zhang, Harry, et al.
Veröffentlicht: (2025)

LLM-powered Query Expansion for Enhancing Boundary Prediction in Language-driven Action Localization
von: Shang, Zirui, et al.
Veröffentlicht: (2025)

TriCLIP-3D: A Unified Parameter-Efficient Framework for Tri-Modal 3D Visual Grounding based on CLIP
von: Li, Fan, et al.
Veröffentlicht: (2025)

Diff3Dformer: Leveraging Slice Sequence Diffusion for Enhanced 3D CT Classification with Transformer Networks
von: Jin, Zihao, et al.
Veröffentlicht: (2024)

DiffGS: Functional Gaussian Splatting Diffusion
von: Zhou, Junsheng, et al.
Veröffentlicht: (2024)

DiffTF++: 3D-aware Diffusion Transformer for Large-Vocabulary 3D Generation
von: Cao, Ziang, et al.
Veröffentlicht: (2024)

BokehDiff: Neural Lens Blur with One-Step Diffusion
von: Zhu, Chengxuan, et al.
Veröffentlicht: (2025)

METOR: A Unified Framework for Mutual Enhancement of Objects and Relationships in Open-vocabulary Video Visual Relationship Detection
von: Wang, Yongqi, et al.
Veröffentlicht: (2025)

LLM-enhanced Action-aware Multi-modal Prompt Tuning for Image-Text Matching
von: Tian, Mengxiao, et al.
Veröffentlicht: (2025)

GeoDiff3D: Self-Supervised 3D Scene Generation with Geometry-Constrained 2D Diffusion Guidance
von: Zhu, Haozhi, et al.
Veröffentlicht: (2026)

EC-Diff: Fast and High-Quality Edge-Cloud Collaborative Inference for Diffusion Models
von: Xie, Jiajian, et al.
Veröffentlicht: (2025)

$R_\text{dm}$: Re-conceptualizing Distribution Matching as a Reward for Diffusion Distillation
von: Fan, Linqian, et al.
Veröffentlicht: (2026)

DragGaussian: Enabling Drag-style Manipulation on 3D Gaussian Representation
von: Shen, Sitian, et al.
Veröffentlicht: (2024)

CLIP-FSAC++: Few-Shot Anomaly Classification with Anomaly Descriptor Based on CLIP
von: Zuo, Zuo, et al.
Veröffentlicht: (2024)

Jano: Adaptive Diffusion Generation with Early-stage Convergence Awareness
von: Chen, Yuyang, et al.
Veröffentlicht: (2026)

Diffusion Feedback Helps CLIP See Better
von: Wang, Wenxuan, et al.
Veröffentlicht: (2024)

From 3D Pose to Prose: Biomechanics-Grounded Vision--Language Coaching
von: Ji, Yuyang, et al.
Veröffentlicht: (2026)

DiffSpeaker: Speech-Driven 3D Facial Animation with Diffusion Transformer
von: Ma, Zhiyuan, et al.
Veröffentlicht: (2024)

Leveraging Cross-Modal Neighbor Representation for Improved CLIP Classification
von: Yi, Chao, et al.
Veröffentlicht: (2024)

Grounding Language Models for Visual Entity Recognition
von: Xiao, Zilin, et al.
Veröffentlicht: (2024)

DiffAge3D: Diffusion-based 3D-aware Face Aging
von: Wahid, Junaid, et al.
Veröffentlicht: (2024)

CLIP3D-AD: Extending CLIP for 3D Few-Shot Anomaly Detection with Multi-View Images Generation
von: Zuo, Zuo, et al.
Veröffentlicht: (2024)

SuperCLIP: CLIP with Simple Classification Supervision
von: Zhao, Weiheng, et al.
Veröffentlicht: (2025)

KineDiff3D: Kinematic-Aware Diffusion for Category-Level Articulated Object Shape Reconstruction and Generation
von: Xu, WenBo, et al.
Veröffentlicht: (2025)

SC-Diff: 3D Shape Completion with Latent Diffusion Models
von: Schaefer, Simon, et al.
Veröffentlicht: (2024)

WP-CLIP: Leveraging CLIP to Predict Wölfflin's Principles in Visual Art
von: Ghildyal, Abhijay, et al.
Veröffentlicht: (2025)

Diff3DETR:Agent-based Diffusion Model for Semi-supervised 3D Object Detection
von: Deng, Jiacheng, et al.
Veröffentlicht: (2024)

SignDiff: Diffusion Model for American Sign Language Production
von: Fang, Sen, et al.
Veröffentlicht: (2023)

CLIP-VG: Self-paced Curriculum Adapting of CLIP for Visual Grounding
von: Xiao, Linhui, et al.
Veröffentlicht: (2023)

Diff-ES: Stage-wise Structural Diffusion Pruning via Evolutionary Search
von: Liu, Zongfang, et al.
Veröffentlicht: (2026)

CLIP-IT: CLIP-based Pairing for Histology Images Classification
von: Karimian, Banafsheh, et al.
Veröffentlicht: (2025)

GrounDiff: Diffusion-Based Ground Surface Generation from Digital Surface Models
von: Dhaouadi, Oussema, et al.
Veröffentlicht: (2025)

HQ-CLIP: Leveraging Large Vision-Language Models to Create High-Quality Image-Text Datasets and CLIP Models
von: Wei, Zhixiang, et al.
Veröffentlicht: (2025)

FreeDiff: Progressive Frequency Truncation for Image Editing with Diffusion Models
von: Wu, Wei, et al.
Veröffentlicht: (2024)

Diff-Reg v2: Diffusion-Based Matching Matrix Estimation for Image Matching and 3D Registration
von: Wu, Qianliang, et al.
Veröffentlicht: (2025)

DeltaDiff: Reality-Driven Diffusion with AnchorResiduals for Faithful SR
von: Yang, Chao, et al.
Veröffentlicht: (2025)

HOI-Diff: Text-Driven Synthesis of 3D Human-Object Interactions using Diffusion Models
von: Peng, Xiaogang, et al.
Veröffentlicht: (2023)