Copertina

GenTron: Diffusion Transformers for Image and Video Generation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Chen, Shoufa, Xu, Mengmeng, Ren, Jiawei, Cong, Yuren, He, Sen, Xie, Yanping, Sinha, Animesh, Luo, Ping, Xiang, Tao, Perez-Rua, Juan-Manuel
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

FLATTEN: optical FLow-guided ATTENtion for consistent text-to-video editing
di: Cong, Yuren, et al.
Pubblicazione: (2023)

HiStream: Efficient High-Resolution Video Generation via Redundancy-Eliminated Streaming
di: Qiu, Haonan, et al.
Pubblicazione: (2025)

Hyper-VolTran: Fast and Generalizable One-Shot Image to 3D Object Structure via HyperNetworks
di: Simon, Christian, et al.
Pubblicazione: (2023)

MarDini: Masked Autoregressive Diffusion for Video Generation at Scale
di: Liu, Haozhe, et al.
Pubblicazione: (2024)

Learning Flow Fields in Attention for Controllable Person Image Generation
di: Zhou, Zijian, et al.
Pubblicazione: (2024)

Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation
di: Liu, Zhiheng, et al.
Pubblicazione: (2026)

Autoregressive Model Beats Diffusion: Llama for Scalable Image Generation
di: Sun, Peize, et al.
Pubblicazione: (2024)

Move Anything with Layered Scene Diffusion
di: Ren, Jiawei, et al.
Pubblicazione: (2024)

SPAN: Learning Similarity between Scene Graphs and Images with Transformers
di: Cong, Yuren, et al.
Pubblicazione: (2023)

Faster Diffusion via Temporal Attention Decomposition
di: Liu, Haozhe, et al.
Pubblicazione: (2024)

TUNA: Taming Unified Visual Representations for Native Unified Multimodal Models
di: Liu, Zhiheng, et al.
Pubblicazione: (2025)

EmoGen: Emotional Image Content Generation with Text-to-Image Diffusion Models
di: Yang, Jingyuan, et al.
Pubblicazione: (2024)

GenCompositor: Generative Video Compositing with Diffusion Transformer
di: Yang, Shuzhou, et al.
Pubblicazione: (2025)

Context Diffusion: In-Context Aware Image Generation
di: Najdenkoska, Ivona, et al.
Pubblicazione: (2023)

Adaptive Caching for Faster Video Generation with Diffusion Transformers
di: Kahatapitiya, Kumara, et al.
Pubblicazione: (2024)

Prompt-A-Video: Prompt Your Video Diffusion Model via Preference-Aligned LLM
di: Ji, Yatai, et al.
Pubblicazione: (2024)

Scaling Zero-Shot Reference-to-Video Generation
di: Zhou, Zijian, et al.
Pubblicazione: (2025)

An Investigation of Robustness of LLMs in Mathematical Reasoning: Benchmarking with Mathematically-Equivalent Transformation of Advanced Mathematical Problems
di: Hao, Yuren, et al.
Pubblicazione: (2025)

WavFlow: Audio Generation in Waveform Space
di: Zhou, Feiyan, et al.
Pubblicazione: (2026)

PixelFlow: Pixel-Space Generative Models with Flow
di: Chen, Shoufa, et al.
Pubblicazione: (2025)

A Time-Series Data Augmentation Model through Diffusion and Transformer Integration
di: Zhang, Yuren, et al.
Pubblicazione: (2025)

Sparse VideoGen: Accelerating Video Diffusion Transformers with Spatial-Temporal Sparsity
di: Xi, Haocheng, et al.
Pubblicazione: (2025)

SimulTron: On-Device Simultaneous Speech to Speech Translation
di: Agranovich, Alex, et al.
Pubblicazione: (2024)

GenAI Distortion: The Effect of GenAI Fluency and Positive Affect
di: Yang, Xiantong, et al.
Pubblicazione: (2024)

FlashVideo: Flowing Fidelity to Detail for Efficient High-Resolution Video Generation
di: Zhang, Shilong, et al.
Pubblicazione: (2025)

The Tron Technical Challenge: History of Visual Effects and Computer Graphics
di: Elio Quiroga Rodríguez
Pubblicazione: (2025)

DocTron-Formula: Generalized Formula Recognition in Complex and Structured Scenarios
di: Zhong, Yufeng, et al.
Pubblicazione: (2025)

SerialGen: Personalized Image Generation by First Standardization Then Personalization
di: Xie, Cong, et al.
Pubblicazione: (2024)

PhysGen: Rigid-Body Physics-Grounded Image-to-Video Generation
di: Liu, Shaowei, et al.
Pubblicazione: (2024)

GTA: Advancing Image-to-3D World Generation via Geometry Then Appearance Video Diffusion
di: Zhu, Hanxin, et al.
Pubblicazione: (2026)

PixArt-Σ: Weak-to-Strong Training of Diffusion Transformer for 4K Text-to-Image Generation
di: Chen, Junsong, et al.
Pubblicazione: (2024)

WorldAfford: Affordance Grounding based on Natural Language Instructions
di: Chen, Changmao, et al.
Pubblicazione: (2024)

A Beam-Segmenting Polar Format Algorithm Based on Double PCS for Video SAR Persistent Imaging
di: Jiang, Jiawei, et al.
Pubblicazione: (2023)

Neodragon: Mobile Video Generation using Diffusion Transformer
di: Karnewar, Animesh, et al.
Pubblicazione: (2025)

WorldWeaver: Generating Long-Horizon Video Worlds via Rich Perception
di: Liu, Zhiheng, et al.
Pubblicazione: (2025)

RoboTron-Drive: All-in-One Large Multimodal Model for Autonomous Driving
di: Huang, Zhijian, et al.
Pubblicazione: (2024)

Parameter extraction for a superconducting thermal switch (hTron) SPICE model
di: Karam, Valentin, et al.
Pubblicazione: (2024)

RoboTron-Mani: All-in-One Multimodal Large Model for Robotic Manipulation
di: Yan, Feng, et al.
Pubblicazione: (2024)

Tron [Película] / Steven Lisberger, director y guionista ; Donald Kushner, productor
di: Lisberger, Steven
Pubblicazione: (1982)

Drift Analysis with Fitness Levels for Elitist Evolutionary Algorithms
di: He, Jun, et al.
Pubblicazione: (2023)