Buchumschlag

GIVT: Generative Infinite-Vocabulary Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tschannen, Michael, Eastwood, Cian, Mentzer, Fabian
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

Elucidating the Design Space of Flow Matching for Cellular Microscopy
von: Jones, Charles, et al.
Veröffentlicht: (2026)

Jet: A Modern Transformer-Based Normalizing Flow
von: Kolesnikov, Alexander, et al.
Veröffentlicht: (2024)

JetFormer: An Autoregressive Generative Model of Raw Images and Text
von: Tschannen, Michael, et al.
Veröffentlicht: (2024)

Towards Truly Zero-shot Compositional Visual Reasoning with LLMs as Programmers
von: Stanić, Aleksandar, et al.
Veröffentlicht: (2024)

MagicInfinite: Generating Infinite Talking Videos with Your Words and Voice
von: Yi, Hongwei, et al.
Veröffentlicht: (2025)

High-Fidelity Image Compression with Score-based Generative Models
von: Hoogeboom, Emiel, et al.
Veröffentlicht: (2023)

Scaling Training Data with Lossy Image Compression
von: Mentzer, Katherine L., et al.
Veröffentlicht: (2024)

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

LangOcc: Self-Supervised Open Vocabulary Occupancy Estimation via Volume Rendering
von: Boeder, Simon, et al.
Veröffentlicht: (2024)

Semantic Segmentation and Scene Reconstruction of RGB-D Image Frames: An End-to-End Modular Pipeline for Robotic Applications
von: Zheng, Zhiwu, et al.
Veröffentlicht: (2024)

OVLW-DETR: Open-Vocabulary Light-Weighted Detection Transformer
von: Wang, Yu, et al.
Veröffentlicht: (2024)

InfiniteVGGT: Visual Geometry Grounded Transformer for Endless Streams
von: Yuan, Shuai, et al.
Veröffentlicht: (2026)

CLIPSelf: Vision Transformer Distills Itself for Open-Vocabulary Dense Prediction
von: Wu, Size, et al.
Veröffentlicht: (2023)

Generalization Boosted Adapter for Open-Vocabulary Segmentation
von: Xu, Wenhao, et al.
Veröffentlicht: (2024)

OVTR: End-to-End Open-Vocabulary Multiple Object Tracking with Transformer
von: Li, Jinyang, et al.
Veröffentlicht: (2025)

Infinite Gaze Generation for Videos with Autoregressive Diffusion
von: Kang, Jenna, et al.
Veröffentlicht: (2026)

Open-Vocabulary Domain Generalization in Urban-Scene Segmentation
von: Zhao, Dong, et al.
Veröffentlicht: (2026)

From Open-Vocabulary to Vocabulary-Free Semantic Segmentation
von: Reichard, Klara, et al.
Veröffentlicht: (2025)

Self-Supervised Disentanglement by Leveraging Structure in Data Augmentations
von: Eastwood, Cian, et al.
Veröffentlicht: (2023)

Seg4Diff: Unveiling Open-Vocabulary Segmentation in Text-to-Image Diffusion Transformers
von: Kim, Chaehyun, et al.
Veröffentlicht: (2025)

CityGen: Infinite and Controllable City Layout Generation
von: Deng, Jie, et al.
Veröffentlicht: (2023)

Learning to Generalize without Bias for Open-Vocabulary Action Recognition
von: Yu, Yating, et al.
Veröffentlicht: (2025)

VLog: Video-Language Models by Generative Retrieval of Narration Vocabulary
von: Lin, Kevin Qinghong, et al.
Veröffentlicht: (2025)

Self-Prompting Diffusion Transformer for Open-Vocabulary Scene Text Editing via In-Context Learning
von: Li, Hongxi, et al.
Veröffentlicht: (2026)

LocCa: Visual Pretraining with Location-aware Captioners
von: Wan, Bo, et al.
Veröffentlicht: (2024)

Infinite-Homography as Robust Conditioning for Camera-Controlled Video Generation
von: Kim, Min-Jung, et al.
Veröffentlicht: (2025)

RTGen: Generating Region-Text Pairs for Open-Vocabulary Object Detection
von: Chen, Fangyi, et al.
Veröffentlicht: (2024)

Leveraging Depth and Language for Open-Vocabulary Domain-Generalized Semantic Segmentation
von: Chen, Siyu, et al.
Veröffentlicht: (2025)

Towards scientific discovery with dictionary learning: Extracting biological concepts from microscopy foundation models
von: Donhauser, Konstantin, et al.
Veröffentlicht: (2024)

Synthetic Captions for Open-Vocabulary Zero-Shot Segmentation
von: Lebailly, Tim, et al.
Veröffentlicht: (2025)

Real-time Transformer-based Open-Vocabulary Detection with Efficient Fusion Head
von: Zhao, Tiancheng, et al.
Veröffentlicht: (2024)

Lost in Translation? Vocabulary Alignment for Source-Free Adaptation in Open-Vocabulary Semantic Segmentation
von: Mazzucco, Silvio, et al.
Veröffentlicht: (2025)

SkyReels-V2: Infinite-length Film Generative Model
von: Chen, Guibin, et al.
Veröffentlicht: (2025)

Infinite Motion: Extended Motion Generation via Long Text Instructions
von: Li, Mengtian, et al.
Veröffentlicht: (2024)

StableAvatar: Infinite-Length Audio-Driven Avatar Video Generation
von: Tu, Shuyuan, et al.
Veröffentlicht: (2025)

Infinite-Story: A Training-Free Consistent Text-to-Image Generation
von: Park, Jihun, et al.
Veröffentlicht: (2025)

Stable Video Infinity: Infinite-Length Video Generation with Error Recycling
von: Li, Wuyang, et al.
Veröffentlicht: (2025)

Enhancing Train-Free Infinite-Frame Generation for Consistent Long Videos
von: Feng, X., et al.
Veröffentlicht: (2026)

Affogato: Learning Open-Vocabulary Affordance Grounding with Automated Data Generation at Scale
von: Lee, Junha, et al.
Veröffentlicht: (2025)

GHOST: Grounded Human Motion Generation with Open Vocabulary Scene-and-Text Contexts
von: Milacski, Zoltán Á., et al.
Veröffentlicht: (2024)