Buchumschlag

PEEKABOO: Interactive Video Generation via Masked-Diffusion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jain, Yash, Nasery, Anshul, Vineet, Vibhav, Behl, Harkirat
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding Depth and Height Perception in Large Visual-Language Models
von: Azad, Shehreen, et al.
Veröffentlicht: (2024)

Simplifying Knowledge Transfer in Pretrained Models
von: Jain, Siddharth, et al.
Veröffentlicht: (2025)

MM-GEN: Enhancing Task Performance Through Targeted Multimodal Data Curation
von: Joshi, Siddharth, et al.
Veröffentlicht: (2025)

Physics Knowledge in Frontier Models: A Diagnostic Study of Failure Modes
von: Bagdonaviciute, Ieva, et al.
Veröffentlicht: (2025)

StreamReady: Learning What to Answer and When in Long Streaming Videos
von: Azad, Shehreen, et al.
Veröffentlicht: (2026)

HierarQ: Task-Aware Hierarchical Q-Former for Enhanced Video Understanding
von: Azad, Shehreen, et al.
Veröffentlicht: (2025)

Masked Generative Nested Transformers with Decode Time Scaling
von: Goyal, Sahil, et al.
Veröffentlicht: (2025)

StreamDiffusionV2: A Streaming System for Dynamic and Interactive Video Generation
von: Feng, Tianrui, et al.
Veröffentlicht: (2025)

Advancing Egocentric Video Question Answering with Multimodal Large Language Models
von: Patel, Alkesh, et al.
Veröffentlicht: (2025)

MaskVD: Region Masking for Efficient Video Object Detection
von: Sarkar, Sreetama, et al.
Veröffentlicht: (2024)

Diffusing Differentiable Representations
von: Savani, Yash, et al.
Veröffentlicht: (2024)

Towards Aligned Layout Generation via Diffusion Model with Aesthetic Constraints
von: Chen, Jian, et al.
Veröffentlicht: (2024)

Through-The-Mask: Mask-based Motion Trajectories for Image-to-Video Generation
von: Yariv, Guy, et al.
Veröffentlicht: (2025)

A Large-Scale Analysis on Contextual Self-Supervised Video Representation Learning
von: Kumar, Akash, et al.
Veröffentlicht: (2025)

PEEKABOO: Hiding parts of an image for unsupervised object localization
von: Zunair, Hasib, et al.
Veröffentlicht: (2024)

Learning to Generate Rigid Body Interactions with Video Diffusion Models
von: Romero, David, et al.
Veröffentlicht: (2025)

DICE: Discrete Inversion Enabling Controllable Editing for Multinomial Diffusion and Masked Generative Models
von: He, Xiaoxiao, et al.
Veröffentlicht: (2024)

SG-I2V: Self-Guided Trajectory Control in Image-to-Video Generation
von: Namekata, Koichi, et al.
Veröffentlicht: (2024)

Fine-Grained Classification: Connecting Metadata via Cross-Contrastive Pre-Training
von: Mamtani, Sumit, et al.
Veröffentlicht: (2025)

MaskMedPaint: Masked Medical Image Inpainting with Diffusion Models for Mitigation of Spurious Correlations
von: Jin, Qixuan, et al.
Veröffentlicht: (2024)

Vid2World: Crafting Video Diffusion Models to Interactive World Models
von: Huang, Siqiao, et al.
Veröffentlicht: (2025)

PLUM: Improving Inference Efficiency By Leveraging Repetition-Sparsity Trade-Off
von: Kuhar, Sachit, et al.
Veröffentlicht: (2023)

MaskBit: Embedding-free Image Generation via Bit Tokens
von: Weber, Mark, et al.
Veröffentlicht: (2024)

Video Reconstruction using Diffusion-based Image-to-Video Generation with Trajectory Guidance
von: Bompai, Stelio, et al.
Veröffentlicht: (2026)

TempoSyncDiff: Distilled Temporally-Consistent Diffusion for Low-Latency Audio-Driven Talking Head Generation
von: Mazumdar, Soumya, et al.
Veröffentlicht: (2026)

Improving Generalization via Meta-Learning on Hard Samples
von: Jain, Nishant, et al.
Veröffentlicht: (2024)

CustomText: Customized Textual Image Generation using Diffusion Models
von: Paliwal, Shubham, et al.
Veröffentlicht: (2024)

Attention based End to end network for Offline Writer Identification on Word level data
von: Kumar, Vineet, et al.
Veröffentlicht: (2024)

Corruption-Aware Training of Latent Video Diffusion Models for Robust Text-to-Video Generation
von: Maduabuchi, Chika, et al.
Veröffentlicht: (2025)

Navigating Hallucinations for Reasoning of Unintentional Activities
von: Grover, Shresth, et al.
Veröffentlicht: (2024)

Masked Conditioning for Deep Generative Models
von: Mueller, Phillip, et al.
Veröffentlicht: (2025)

On Occlusions in Video Action Detection: Benchmark Datasets And Training Recipes
von: Modi, Rajat, et al.
Veröffentlicht: (2024)

Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly Detectors
von: Ristea, Nicolae-Catalin, et al.
Veröffentlicht: (2023)

EVEREST: Efficient Masked Video Autoencoder by Removing Redundant Spatiotemporal Tokens
von: Hwang, Sunil, et al.
Veröffentlicht: (2022)

Defeasible Visual Entailment: Benchmark, Evaluator, and Reward-Driven Optimization
von: Zhang, Yue, et al.
Veröffentlicht: (2024)

Deep Dependency Networks and Advanced Inference Schemes for Multi-Label Classification
von: Arya, Shivvrat, et al.
Veröffentlicht: (2024)

Unearthing Skill-Level Insights for Understanding Trade-Offs of Foundation Models
von: Moayeri, Mazda, et al.
Veröffentlicht: (2024)

MotionStream: Real-Time Video Generation with Interactive Motion Controls
von: Shin, Joonghyuk, et al.
Veröffentlicht: (2025)

Any-Order GPT as Masked Diffusion Model: Decoupling Formulation and Architecture
von: Xue, Shuchen, et al.
Veröffentlicht: (2025)

MADI: Masking-Augmented Diffusion with Inference-Time Scaling for Visual Editing
von: Kadambi, Shreya, et al.
Veröffentlicht: (2025)